بهینه سازی اجرای پرس و جو در پایگاه داده ی رابطه ای با استفاده الگوریتم اکتشافی ذرات
Publish place: 16th annual CSI Computer Conference
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,305
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSICC16_109
تاریخ نمایه سازی: 28 بهمن 1390
Abstract:
بهینه سازی پرس و جو در پایگاه داده های رابطه ای یک فرایند پرهزینه می باشد و تعداد جایگشت های مختلف عملیات پیوند برای یک پرس و جو بصورت نمایی با افزایش تعدادجداول سهیم در پرس و جو رشدمی کنند تکنیکهای فعلی بهینه سازی پرس و جو برای پشتیبانی درحالاتی که تعداد جدولهای پایگاه داده و تعداد سطرهای هر جدول زیادباشند نامناسب هستند از طرفی رمز موفقیت یک سیستم پایگاه داده کارا بودن مدل پرس و جوی آن می باشد لذا دراین مقاله روشی برای بهینه سازی اجرای پرس و جوها با تعداد جداول بالا پیشنهاد گردیده است. با توجه به افزایش روزافزون اهمیت کاهش زمان اجرای طرح شبه بهینه در عملیات پیوند با تعدادجدولهای بالا و حداقل سازی زمان اجرای الگوریتم در جهت یافتن طرح شبه بهینه قرار نگرفتن طرح در بهینه های محلی با استفاده از الگوریتمهای اکتشافی و کارای نوین مورد توجه زیادی قرار گرفته است بدین منظور در این مقاله الگوریتم تعمیم یافته بهینه سازی گسسته ذرات پیشنهاد گردیده و کارایی آن از طریق مقایسه با برخی الگوریتمهای پیشین و با درنظر گرفتن چهارمعیار زمان اجرای الگوریتم زمان اجرای طرح خطا و انحراف معیار بررسی شده و نتایج حاصله نشان دهنده برتری این روش خصوصا در تعداد بالای جداول نسبت به الگوریتم های پیشین می باشد
Keywords:
Authors
فریبرز محمودی
استادیار دانشکده برق و کامپیوتر دانشگاه آزاد اسلامی واحد قزوین
مرتضی زاهدی انارکی
دانشکده برق و کامپیوتر دانشگاه آزاد اسلامی واحد قزوین
امیر حسین زاهدی انارکی
گروه صنایع دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :