1、近年來，信息技術(shù)高速發(fā)展，海量的文字、圖片、音頻、視頻等數(shù)據(jù)隨之產(chǎn)生，大數(shù)據(jù)的研究亦隨之引起廣大學(xué)者重視，其中分布式數(shù)據(jù)庫的研究就是熱點之一。在分布式數(shù)據(jù)庫中查詢是最頻繁的操作之一，提升它的效率顯得非常有必要。數(shù)據(jù)量不斷增長這個事實，使得對分布式數(shù)據(jù)庫查詢的要求也越來越高，因此設(shè)計一個高效的分布式查詢方案變得刻不容緩。
　　論文首先介紹了分布式數(shù)據(jù)庫的基本概念和常用的查詢優(yōu)化技術(shù)、遺傳算法的特點和執(zhí)行流程，針對FCM(Fuzzy

2、C-means)算法的不足提出了優(yōu)化方案，利用優(yōu)化的FCM算法結(jié)合遺傳算法實現(xiàn)本文的改進遺傳算法，在分布式數(shù)據(jù)庫查詢使用本文的改進遺傳算法進行優(yōu)化。
　　本篇論文的主要研究工作可概括為如下:
　　(1)FCM算法是一種基于目標(biāo)函數(shù)的模糊聚類算法，主要用于數(shù)據(jù)的聚類分析，但FCM算法的效果經(jīng)常受到初始聚類中心的影響，而且收斂結(jié)果易陷入局部最優(yōu)。針對這些問題本文提出了一種FCM算法的優(yōu)化方案，設(shè)計了選取初始聚類中心規(guī)則，采用此規(guī)

3、則能夠獲得聚類結(jié)果的全局最優(yōu)解。模擬實驗表明，優(yōu)化的FCM算法相較傳統(tǒng)的FCM算法，準(zhǔn)確率更高，迭代次數(shù)也更少。
　　(2)針對傳統(tǒng)遺傳查詢算法的缺陷，本文采用設(shè)置多種概率的方法，將通過FCM聚類優(yōu)化算法處理的當(dāng)代全部個體分成三類，每一類設(shè)置成不同的概率，其中級別較低的個體設(shè)置較高的交叉和變異概率，增加產(chǎn)生新個體結(jié)構(gòu)的能力，級別較高的個體設(shè)置較低的交叉和變異概率，降低優(yōu)良基因被破壞的可能性，而對中間級別的個體則設(shè)置介于較高和較低之