Zastosowanie algorytmu IWO do planowania procesu scalania danych rozproszonych

• Autorzy: Kostrzewa D. , Josiński H.

Warianty tytułu

EN

Application of the invasive weed optimization algorithm for predetermination of the progress of distributed data merging process

• Języki publikacji: PL

Abstrakty

PL

Prezentowane zagadnienie stanowi kontynuację badań poświęconych zastosowaniu algorytmu ewolucyjnego do realizacji zadania istotnego dla dziedziny rozproszonych baz danych - określenia planu przebiegu procesu scalania danych rozproszonych. Wskazano zarówno na cechy wspólne, jak i różnice między algorytmami IWO i ewolucyjnym, zamieszczono rezultaty eksperymentów porów­nawczych.

EN

The considered issue is a continuation of research concerning the application of the evolutionary algorithm for realization of the important task from the domain of distributed databases - predetermination of the progress of distributed data merging process. Many common features of the IWO method and the evolutionary algorithm as well as the differences between them were mentioned in the paper along with results of comparative experiments.

Słowa kluczowe

PL

algorytm IWO; optymalizacja zapytań; rozproszona baza danych

EN

IWO algorithm; query optimization; distributed database

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2009
• Tom: Vol. 30, nr 2A
• Strony: 79--92
• Opis fizyczny: Bibliogr. 10 poz.

Twórcy

autor

Kostrzewa D.

autor

Josiński H.

• Instytut Informatyki Politechnika Śląska, 44-100 Gliwice, ul. Akademicka 16 tel. [phone],

Bibliografia

• 1. Chen Y.: A Systematic Method for Query Evaluation in Distributed Heterogeneous Databases. Journal of Information Science and Engineering, Vol. 16, No. 4, 2000.
• 2. Josiński H.: Model realizacji zapytania dla danych rozproszonych. Wysokowydajne sieci komputerowe Tom 1, Wydawnictwa Komunikacji i Łączności, Gliwice 2005.
• 3. Kostrzewa D., Josiński H.: Planowanie procesu scalania danych rozproszonych za pomocą algorytmu ewolucyjnego. Bazy danych. Rozwój metod i technologii. Tom 1: Architektura, metody formalne i zaawansowana analiza danych. Wydawnictwa Komunikacji i Łączności, Gliwice, 2008.
• 4. Lanzelotte R., S., G, Valduriez P., Zai't M.: On the Effectiveness of Optimization Search Strategies for Parallel Execution Spaces. Proceedings of the 19th VLDB Conference, Dublin 1993.
• 5. Mallahzadeh A., R., Oraizi H., Davoodi-Rad Z.: Application of the Invasive Weed Optimization Technique for Antenna Configurations. Progress in Electromagnetics Research, 2008.
• 6. Mehrabian R., Lucas C: A novel numerical optimization algorithm inspired from weed colonization. Ecological Informatics Vol. 1, Issue 4, 2006.
• 7. Pawlak M.: Algorytmy ewolucyjne jako narzędzie harmonogramowania produkcji. Wydawnictwo Naukowe PWN, Warszawa 1999.
• 8. Rutkowski L.: Metody i techniki sztucznej inteligencji. Wydawnictwo Naukowe PWNT Warszawa 2006.
• 9. Sepehri Rad H., Lucas C: A Recommender System based on Invasive Weed Optimization Algorithm. IEEE Congress on Evolutionary Computation, Singapore 2007.
• 10. Ullman J., D., Widom J.: Podstawowy wykład z systemów baz danych. Wydawnictwa Naukowo-Techniczne, Warszawa 1999.