| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 分布式数据库系统概述 | 第12-18页 |
| 1.2.1 分布式数据库系统的概念 | 第12页 |
| 1.2.2 分布式数据库系统的发展历史 | 第12-13页 |
| 1.2.3 分布式数据库系统的体系结构 | 第13-16页 |
| 1.2.4 分布式数据库系统的关键技术 | 第16-17页 |
| 1.2.5 分布式数据库系统的优势 | 第17-18页 |
| 1.3 国内外研究现状 | 第18-19页 |
| 1.3.1 分布式数据库系统数据分配的发展现状 | 第18页 |
| 1.3.2 分布式数据库系统多连接查询优化的发展现状 | 第18-19页 |
| 1.4 本文主要工作 | 第19-20页 |
| 1.5 论文组织结构 | 第20-21页 |
| 1.6 本章小结 | 第21-22页 |
| 第二章 分布式事务分类与数据连接查询技术基础 | 第22-34页 |
| 2.1 分布式事务 | 第22-25页 |
| 2.1.1 事务的基本概念与性质 | 第22-23页 |
| 2.1.2 分布式事务基本概念 | 第23页 |
| 2.1.3 分布式事务管理模型 | 第23-25页 |
| 2.2 分布式事务分类的意义 | 第25-26页 |
| 2.3 查询处理层次 | 第26-27页 |
| 2.4 查询优化过程 | 第27-32页 |
| 2.4.1 搜索空间 | 第28-29页 |
| 2.4.2 查询代价模型 | 第29-30页 |
| 2.4.3 搜索策略 | 第30-32页 |
| 2.5 多连接查询优化的意义与目标 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于蚁群优化的层次聚类算法事务分类优化 | 第34-49页 |
| 3.1 基于凝聚型层次聚类算法的事务分类策略 | 第34-39页 |
| 3.1.1 层次聚类算法原理 | 第34-36页 |
| 3.1.2 基于凝聚型层次聚类算法的事务分类策略具体描述 | 第36-38页 |
| 3.1.3 基于凝聚型层次聚类算法的事务分类策略的优化问题 | 第38-39页 |
| 3.2 蚁群优化算法 | 第39-40页 |
| 3.2.1 蚁群优化算法简介 | 第39页 |
| 3.2.2 ACO算法物理模型 | 第39-40页 |
| 3.3 基于蚁群优化的凝聚型层次聚类算法事务分类策略 | 第40-45页 |
| 3.3.1 数据点表示 | 第41页 |
| 3.3.2 距离标准 | 第41页 |
| 3.3.3 聚类中心 | 第41页 |
| 3.3.4 目标函数 | 第41-42页 |
| 3.3.5 基于蚁群优化的凝聚型层次聚类算法 | 第42-45页 |
| 3.4 实验设计与结果分析 | 第45-48页 |
| 3.4.1 实验环境搭建 | 第45-46页 |
| 3.4.2 评价指标 | 第46页 |
| 3.4.3 实验结果与分析 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于遗传算法与FCM算法的数据连接查询优化 | 第49-66页 |
| 4.1 分布式数据库系统多连接查询代价模型 | 第49-52页 |
| 4.2 遗传算法 | 第52-54页 |
| 4.2.1 遗传算法简介 | 第52页 |
| 4.2.2 遗传算法原理 | 第52-54页 |
| 4.3 FCM算法 | 第54-55页 |
| 4.3.1 FCM算法简介 | 第54页 |
| 4.3.2 FCM算法原理 | 第54-55页 |
| 4.4 基于遗传算法与FCM算法的多连接查询优化 | 第55-60页 |
| 4.4.1 遗传编码 | 第55-56页 |
| 4.4.2 种群初始化 | 第56-58页 |
| 4.4.3 适应度函数 | 第58页 |
| 4.4.4 选择策略 | 第58-59页 |
| 4.4.5 交叉算子 | 第59-60页 |
| 4.4.6 变异算子 | 第60页 |
| 4.5 实验设计与结果分析 | 第60-65页 |
| 4.5.1 实验环境搭建 | 第60-61页 |
| 4.5.2 运行参数调整 | 第61-62页 |
| 4.5.3 实验结果与分析 | 第62-65页 |
| 4.6 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |
