基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对量子粒子群算法存在的不足,将变异算子引入其中,提出一种高斯变异量子粒子群算法(GM-QPSO),并将其应用于数据库查询优化中。首先建立数据库查询优化数学模型,然后采用量子粒子代表一个可行的数据库查询方案,然后通过量子粒子之间的信息交流,找到数据库查询最优解,最后在 Matlab 2012上进行了仿真实验。仿真结果表明, GM-QPSO克服了量子粒子群算法存在的不足,不仅提高了数据库查询速度,而且获得了更加理想的查询优化方案。
推荐文章
基于粒子群算法的数据库查询优化
查询优化
粒子群算法
数据库查询优化
分组查询
基于粒子群算法的数据库查询优化
查询优化
粒子群算法
查询策略
基于高斯扰动的量子粒子群优化算法
量子粒子群优化算法
平均位置
全局最优位置
高斯扰动
基于粒子群算法的数据库查询优化
查询优化
粒子群算法
数据库查询优化
分组查询
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 高斯扰动粒子群算法的数据库查询优化
来源期刊 计算机系统应用 学科
关键词 数据库查询 变异算子 遗传算法 粒子群算法
年,卷(期) 2014,(8) 所属期刊栏目 软件技术 算法
研究方向 页码范围 184-188
页数 5页 分类号
字数 2653字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李静 广州医科大学卫生职业技术学院 17 54 4.0 6.0
2 李国芳 广州医科大学卫生职业技术学院 3 6 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (33)
共引文献  (41)
参考文献  (11)
节点文献
引证文献  (1)
同被引文献  (7)
二级引证文献  (2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(6)
  • 参考文献(2)
  • 二级参考文献(4)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(7)
  • 参考文献(4)
  • 二级参考文献(3)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
数据库查询
变异算子
遗传算法
粒子群算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机系统应用
月刊
1003-3254
11-2854/TP
大16开
北京中关村南四街4号
82-558
1991
chi
出版文献量(篇)
10349
总下载数(次)
20
总被引数(次)
57078
论文1v1指导