融合粒子群与蚁群算法优化XML群体智能搜索

被引：10

作者：

刘波 ^{[1
]}

杨路明 ^{[1
]}

雷刚跃 ^{[2
]}

谢东 ^{[1
]}

机构：

[1] 中南大学信息科学与工程学院

[2] 湖南信息职业技术学院

来源：

计算机研究与发展 | 2008年 / 08期

关键词：

XML概率查询; 路径离散化; 粒子群算法; 蚁群算法; 群体;

D O I：

暂无

中图分类号：

TP312.2 [];

学科分类号：

081202 ; 0835 ;

摘要：

随着Web技术及其应用的快速发展,XML已经成为互联网上信息表示和数据交换的一个重要标准,其作用已深入到网络社区的每个角落;针对XML文档进行群体搜索的特点与不足,提出利用群智能算法的概率变换规则对其进行改进,首先采用路径离散化规则,结合XML半结构化的特点及概率知识,再融合粒子群算法与蚁群算法进行动态群体搜索,而群体自适应杂交、多次编码、迭代选择等不仅可以提高数据搜索的范围、精度和收敛的效率,而且可以避免早熟,降低算法的复杂度.仿真实验表明这种融合方法具有更好的查询效果.

引用

页码：1371 / 1378

页数：8

共 9 条

[1] XML数据的查询技术 [J].

孔令波 ;

唐世渭 ;

杨冬青 ;

王腾蛟 ;

高军 .

软件学报, 2007, (06) :1400-1418

[2] 一种基于改进粒子群优化的XML结构聚类方法 [J].

王桐 ;

刘大昕 .

小型微型计算机系统, 2007, (05) :871-875

[3] XML查询优化研究 [J].

孟小峰 ;

王宇 ;

王小锋 .

软件学报, 2006, (10) :2069-2086

[4] Web智能研究现状与发展趋势 [J].

王本年 ;

高阳 ;

陈世福 ;

谢俊元 .

计算机研究与发展, 2005, (05) :721-727

[5] 改进的增强型蚁群算法 [J].

陈宏建 ;

陈崚 ;

徐晓华 ;

屠莉 .

计算机工程, 2005, (02) :176-178

[6] 一种基于群体智能的Web文档聚类算法 [J].

吴斌 ;

傅伟鹏 ;

郑毅 ;

刘少辉 ;

史忠植 .

计算机研究与发展, 2002, (11) :1429-1435

[7] An empirical analysis of the probabilistic K-nearest neighbour classifier [J].

Manocha, S. ;

Girolami, M. A. .

PATTERN RECOGNITION LETTERS, 2007, 28 (13) :1818-1824

[8]

A similarity between probabilistic tree languages: application to XML document families[J] . Rafael C. Carrasco,Juan Ramón Rico-Juan.Pattern Recognition . 2003 (9)

[9]

Integrating keyword search into XML query processing[J] . Daniela Florescu,Donald Kossmann,Ioana Manolescu.Computer Networks . 2000 (1)

← 1 →