| PostgreSQL 9.0.23 문서화 | ||||
|---|---|---|---|---|
| PostgreSQL : 문서 : 9.0 : 사설 토토 사이트 알고리즘 | PostgreSQL : 문서 : 9.0 : 유전자 와이즈 토토 옵티마이저 | 50 장. 유전자 토토 사이트 추천 최적화 | 스포츠 토토 결과 : 문서 : 9.0 : 추가 읽기 | |
thegeqo모듈 접근 잘 알려진 것처럼 토토 사이트 추천 최적화 문제 여행 세일즈맨 문제 (TSP). 가능한 토토 사이트 추천 계획은 다음과 같이 인코딩됩니다 정수 문자열. 각 문자열은 하나의 조인 순서를 나타냅니다 다음 토토 사이트 추천와의 관계. 예를 들어, 조인 트리
/\ /\ 2 /\ 3 4 1
정수 문자열 '4-1-3-2'로 인코딩됩니다. 관계 '4'와 '1', 그런 다음 '3', 그런 다음 '2', 여기서 1, 2, 3, 4는 내 관계 ID입니다.PostgreSQLOptimizer.
의 특정 특성geqo구현PostgreSQLare :
a 사용정상 상태 ga(교체 전체 세대가 아닌 인구의 개인에게 가장 적합합니다 교체)는 개선 된 토토 사이트 추천를 향한 빠른 수렴을 허용합니다 계획. 이것은 합리적으로 토토 사이트 추천 처리에 필수적입니다 시간;
사용법가장자리 재조합 크로스 오버가장자리 손실을 유지하는 데 특히 적합합니다 의 해결책은 낮음TSPaga;
유전자 운영자로서의 돌연변이는 더 이상 사용되지 않습니다 법률을 생성하려면 수리 메커니즘이 필요합니다TSP투어.
의 일부geqo모듈 D. Whitley의 Genitor 알고리즘에서 조정되었습니다.
thegeqo모듈 허용PostgreSQLQuery Optimizer to 비 exhaustive를 통해 대규모 결합 토토 사이트 추천를 효과적으로 지원합니다 찾다.
thegeqo계획 프로세스 표준 플래너 코드를 사용하여 스캔 계획을 생성합니다. 개인 관계. 그런 다음 가입 계획은 The를 사용하여 개발됩니다 유전 적 접근. 위에서 볼 수 있듯이 각 후보 조인 계획은 다음과 같습니다 기본 관계에 합류 할 순서로 표시됩니다. 초기 단계에서geqo코드는 단순히 가능한 일부를 생성합니다 무작위로 시퀀스를 결합하십시오. 고려 된 각 조인 시퀀스에 대해 표준 플래너 코드는의 비용을 추정하기 위해 호출됩니다. 해당 조인 시퀀스를 사용하여 토토 사이트 추천를 수행합니다. (각 단계마다 조인 시퀀스의 세 가지 가능한 조인 전략은 모두 존경받는; 그리고 초기에 결정된 모든 관계 스캔 계획을 사용할 수 있습니다. 예상 비용은 가장 저렴합니다 이러한 가능성.) 추정 비용이 낮은 시퀀스에 가입하십시오 고려"더 적합"보다 더 높은 비용으로. 유전자 알고리즘은 가장 적합하지 않습니다 후보자. 그런 다음 새로운 후보자가 결합하여 생성됩니다 더 적합한 후보의 유전자, 즉 사용하여 알려진 저비용 조인 시퀀스의 무작위로 선택된 부분 고려할 새로운 시퀀스를 만듭니다. 이 과정은입니다 사전 설정된 수의 조인 시퀀스가 존경받는; 그런 다음 언제라도 찾을 수있는 최고의 것 검색은 완성 된 계획을 생성하는 데 사용됩니다.
이 과정은 본질적으로 비 결정적입니다 초기 인구 모두에서 이루어진 무작위 선택 선택 및 후속"돌연변이"최고의 후보자. 놀라운 변화를 피하기 위해 선택된 계획, GEQO 알고리즘의 각 실행은 그 다음을 다시 시작합니다. 전류가있는 랜덤 번호 생성기geqo_seed매개 변수 설정. 하는 한geqo_seed다른 GEQO 매개 변수는 유지됩니다 고정, 주어진 토토 사이트 추천에 대해 동일한 계획이 생성됩니다 (그리고 통계와 같은 다른 플래너 입력). 실험 다른 검색 경로, 변경 시도geqo_seed.
유전자 알고리즘을 개선하기 위해서는 여전히 작업이 필요합니다
매개 변수 설정. 파일SRC/백엔드/최적화/geqo/geqo_main.c,
루틴gimme_pool_sizeandgimme_number_generations, 우리는 가지고 있습니다
매개 변수 설정에 대한 타협을 찾으려면
경쟁 요구 :
토토 사이트 추천 계획의 최적 성
컴퓨팅 시간
현재 구현에서 각 후보의 체력 결합 시퀀스는 표준 플래너를 실행하여 추정됩니다 선택 및 비용 추정 코드에 처음부터 가입하십시오. 에 다른 후보자가 비슷한 하위 시퀀스를 사용하는 정도 합류하면 많은 작업이 반복됩니다. 이것은 될 수 있습니다 비용 추정치를 유지함으로써 훨씬 빠르게 만들어졌습니다 하위 조인. 문제는 불합리한 소비를 피하는 것입니다 해당 상태를 유지하는 데 메모리의 양.
보다 기본적인 수준에서 쿼리 해결이 확실하지 않습니다. TSP 용으로 설계된 GA 알고리즘으로 최적화 적절한. TSP 사례의 경우와 관련된 비용 서브 스트링 (부분 투어)은 나머지 부분과 무관합니다. 투어, 그러나 이것은 쿼리 최적화에 해당되지 않습니다. 따라서 에지 재조합 크로스 오버가 의심의 여지가 있습니다 가장 효과적인 돌연변이 절차.