改进的XML概率查询策略：融合粒子群与蚁群算法

该篇论文深入探讨了融合粒子群算法与蚁群算法在处理XML概率查询策略方面的创新方法。作者刘波、杨路明和雷刚跃、谢东分别来自中南大学信息学院和湖南信息职业技术学院，他们注意到粒子群算法虽然具有快速随机的全局搜索能力，但由于缺乏反馈信息可能导致搜索效率不高；而蚁群算法则凭借信息素的累积和更新机制能够找到最优路径，但初始阶段信息素不足导致搜索速度较慢。 论文提出了一种启发式方法，利用XML半结构化数据的特性，将粒子群算法和蚁群算法相结合。首先，粒子群算法被用来快速生成信息素分布，模拟搜索空间的全局探索。信息素在这里扮演了引导搜索方向的角色，有助于减少无用搜索。然后，蚁群算法被引入进行精确求解，利用其局部优化的能力，逐步调整路径，以实现搜索范围的扩大和效率的提升。 论文关注的问题包括如何通过最小代价路径查询XML节点，如何优化查询路径组合，以及如何应对XML树结构的动态变化，保持边值概率的更新。通过这些改进，作者旨在提升XML概率查询的性能，使之能够在复杂的搜索空间中找到最优解，特别针对查询最小化和概率优化选择这两个关键领域进行了深入研究。 这篇论文创新性地应用了群体智能优化算法，解决XML数据库中的查询优化问题，旨在提高数据查询的效率和准确性，具有重要的理论价值和实际应用前景。