自调优数据库研究综述

数据库功能和规模的膨胀与数据库性能调优的复杂已渐渐成为应用中一对尖锐的矛盾。自调优数据库是一种新兴的数据库技术,其目标是将日益复杂的数据库调优任务从系统管理人员转移到系统自身,以降低系统管理成本,提高系统性能质量。对数据库调优问题进行了分类,介绍了自调优数据库的研究与发展情况,将其与面向整个计算机系统自我管理的自主计算技术进行了比较,并讨论了自调优数据库未来的研究方向。

数据库管理系统多缓冲池的配置及其多次划分自调优算法

本文针对数据库管理系统中缓冲区的特殊重要地位,介绍了多缓冲池的配置及自调优的概念。将缓冲区分为数个独立的缓冲池,为不同性质的数据库对象分别建立独立的缓冲池,也为不同的负载提供最佳的配置方式,能够减少不同负载下的i/os时间,提高吞吐率。本文介绍了多缓冲池配置的模型,并基于此模型提出了多缓冲池的多次划分自调优算法。

数据库物理自调优研究技术综述

数据库物理自调优是自管理自调优数据库中一项重要的内容,为厘清这一领域的重要研究工作,需要对关系数据库物理自调优的背景、问题界定、经典技术和研究的新问题等方面进行综述。总结了数据库物理自调优的经典技术,并从优化程度、可扩展性、可用性可管理性及测试基准四个角度重点阐述了现今数据库物理自调优的关键技术和作为研究开发热点的一些问题,指出不同的物理自调优工具在技术上的共同基础,分析评价了这些关键技术及其方法的各自特点。最后还总结了该领域近几年出现的新的研究问题,并展望了未来的研究方向。

自调优自适应遗传算法的WKNN特征选择方法

针对大多已有基于K近邻和遗传算法的特征选择方法中没有考虑各个特征的重要度不同,并且容易出现过早收敛,特别是局部最优解问题,提出了一种基于自调优自适应遗传算法的WKNN特征选择方法。该方法使用WKNN算法预测样本的类别,为每个特征分配一个权重来衡量特征的分类能力,然后采用自调优自适应遗传算法,对变异率、种群规模和收敛阈值进行参数调整,在迭代进化过程中搜索最优特征权重向量。为了评价该方法的有效性,与已有7种特征选择方法在5个标准数据集上进行了比较。实验结果表明,该方法是有效的,且具有较高的分类性能。

基于LMS的多智能体系统变步长自调优一致性

研究了离散时间多智能体系统中的一致性问题。在不使用任何全局信息的情况下,将粒子群的变步长算法应用到最小均方(LMS)算法中进行多智能体局部自调,实现了多智能体的一致性。在这个过程中,网络模型的代价函数取决于智能体的状态和邻居状态平均值之间的误差。同时证明了网络图强连通的情况下,所有的智能体状态将达到一致性。最后,通过在不同拓扑结构下的仿真实例对提出的算法进行验证。

基于影响图的数据库参数的自调节

根据负载的变化,对数据库系统所提供的可调参数或选项进行手动调节是一项很困难的任务。把以概率推理为基础的图形化模型-影响图应用到数据库参数的自调节中,主要分为以下5个步骤:影响图模型的设计,实验数据集的获取,实验数据集的离散化,影响图参数的学习,影响图的评价及使用。以Oracle的重做日志模块的参数调节做实验,结果表明,影响图可以很好地解决这类问题。

基于C4．5和Boosting算法的数据库负载自动识别

对数据库进行调整与优化时,负载的类型是要考虑的一个关键因素。不同的负载类型(联机事务处理OLTP和联机分析处理OLAP),意味着不同的资源分配策略。另外在系统运行中,负载的类型是经常变化的。把基于C4.5决策树算法和Bo- osting集成学习算法的分类模型用于数据库负载类型的自动识别中,实验结果表明,该分类模型是可行的,达到了令人满意的准确度以及关于负载识别的4个特殊要求。

GLOBAL CONVERGENCE OF A CLASS OF OPTIMALLY CONDITIONED SSVM METHODS

探讨无约束优化的一族最优条件数自调比变尺度（ＯＣＳＳＶＭ）算法的收敛性。证明了采用Ｗｏｌｆｅ线性搜索的此族算法对于一般的凸函数是整体收敛的。