一种基于离散樽海鞘算法的SPARQL查询优化方法

本发明属于计算机查询，涉及一种基于离散樽海鞘算法的sparql查询优化方法。

背景技术：

1、物联网中的设备和数据通常来自不同的厂商、不同的领域，它们使用的数据格式和语义可能存在差异，导致信息孤岛的问题。语义web提供了一种标准化的数据交换和共享机制，使得不同设备和数据源之间能够相互理解和交互。资源描述框架(resourcedescription framework,rdf)是w3c提出的一种基于图的数据模型，通过三元组的形式描述主语、谓语和宾语间三者的关系，用于表示资源信息web资源的元数据，能够使信息检索系统更好地在语义web上精确定位和提取信息。随着语义物联网的迅速发展，越来越多的行业和领域，如智能家居、智慧城市等，广泛使用语义web技术以语义结构化的方法进行数据的表示,rdf数据量逐渐增大且变的越来越复杂。为了查询和存储这些大量增长的rdf数据，需要高效的rdf管理解决方案。sparql是w3c提出的一种标准查询语言，以实现对rdf数据的查询和检索。sparql查询的基本组成单元是三元组(triple pattern)，一组三元组构成了基本图模式(basic graph pattern,bgp)，不过sparql的三元组与rdf的三元组有所不同，三元组的主语、谓语和宾语除了可以是常量，也可以是变量，从而更好地进行信息的定位和提取。

2、在处理rdf数据集的sparql查询方面，现有系统如rdf-3x，g-store等在中小型rdf数据集上取得了高性能，但当数据集越来越大时，这些系统无法有效处理大规模和复杂的rdf数据集。传统的查询处理方法可能导致查询响应时间延迟过高，无法满足实时环境监测、智能城市规划等领域下对及时查询结果的需求。在sparql查询优化中，目前存在针对于特定的查询形状进行优化(如链形查询)，但在面对不同查询形状和三元组数量时，如何提升查询效率仍然是一个主要挑战。因此，我们需要继续探索如何在不同查询形状和三元组数量的情况下改进sparql查询的效率，降低查询延迟，以应对日益复杂和庞大的rdf数据和实时应用需求。

技术实现思路

1、本发明解决了语义物联网中rdf数据量增大导致的查询效率低下和实时性低的问题。

2、为了解决上述技术问题，本发明采用的技术方案是：一种基于离散樽海鞘算法的sparql查询优化方法，包括以下步骤：

3、s1：对语义物联网中的rdf数据进行查询处理，将sparql查询的基本图模式bgp抽象为完全有向图g；

4、s2：基于完全有向图g构建权重矩阵w；

5、s3：将基本图模式bgp的三元组的不同顺序作为离散樽海鞘算法的初始种群，根据构建的权重矩阵w利用离散樽海鞘算法计算出sparql查询的最优执行顺序，将最优的执行顺序作为sparql查询的顺序进行查询。

6、进一步，所述步骤s1具体包括：将一个含有n个三元组的基本图模式bgp抽象为有n个顶点的完全有向图g，其中图的顶点表示基本图模式bgp中的一个三元组，边表示三元组之间的连接。

7、进一步，所述步骤s2具体包括：计算三元组的基数估计和连接估计，构建权重矩阵w，矩阵的值作为边的权重即三元组之间的连接成本。

8、进一步，所述根据构建的权重矩阵w利用离散樽海鞘算法计算出sparql查询的最优执行顺序，具体包括：

9、s31：利用反向学习机制初始化樽海鞘种群，每个樽海鞘个体代表一种查询顺序；

10、s32：根据sparql查询抽象的完全有向图g的权重矩阵w计算樽海鞘种群的适应度值，根据适应度值选取食物位置、领导者和追随者；

11、s33：根据预设的迭代次数、参数c1进行领导者更新；

12、s34：根据预设的迭代次数进行追随者更新；

13、s35：重复执行步骤s31-s34直至达到预设的迭代次数为止，将樽海鞘种群的最佳适应度值的樽海鞘个体输出；

14、s36：对输出的最佳适应度值的樽海鞘个体使用lin-kernighan算法进行局部寻优，将最佳樽海鞘个体的解作为sparql查询的最佳的查询执行顺序。

15、进一步，一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于离散樽海鞘算法的sparql查询优化方法的步骤。

16、进一步，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于离散樽海鞘算法的sparql查询优化方法的步骤。

17、本发明的有益效果在于：

18、本发明中所采用的离散樽海鞘算法，相比于蚁群算法、粒子群算法等启发式算法相比，该算法在解决sparql查询重排序优化问题上具有结构简单，算法参数少，查询效率高等优势。

19、本发明所涉及基于离散樽海鞘的sparql查询优化方法，为了求解sparql查询重排序优化问题，采用三种变换算子对樽海鞘算法进行离散化改进。在算法初始化阶段，通过反向学习机制进行种群的初始化，能够改善算法的搜索空间，提高算法在搜索过程中的种群多样性；在领导者更新阶段，引入交换和对称算子，在跟随者更新阶段，引入汉明距离和移位算子；在满足终止条件后，引入lin-kernighan算法，寻找最佳的查询顺序。本发明解决了语义物联网中面对大量rdf数据查询效率低、实时性等问题，为语义物联网应用提供了高效、实时的查询处理能力。

技术特征：

1.一种基于离散樽海鞘算法的sparql查询优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于离散樽海鞘算法的sparql查询优化方法，其特征在于：所述步骤s1具体包括：将一个含有n个三元组的基本图模式bgp抽象为有n个顶点的完全有向图g，其中图的顶点表示基本图模式bgp中的一个三元组，边表示三元组之间的连接。

3.根据权利要求1所述一种基于离散樽海鞘算法的sparql查询优化方法，其特征在于：所述步骤s2具体包括：计算三元组的基数估计和连接估计，构建权重矩阵w，矩阵的值作为边的权重即三元组之间的连接成本。

4.根据权利要求1所述一种基于离散樽海鞘算法的sparql查询优化方法，其特征在于：所述根据构建的权重矩阵w利用离散樽海鞘算法计算出sparql查询的最优执行顺序，具体包括：

5.根据权利要求4所述一种基于离散樽海鞘算法的sparql查询优化方法，其特征在于：所述步骤s31中，使用反向学习机制生成与原始种群的相反种群，选取适应度高的个体构成初始樽海鞘种群。

6.根据权利要求4或5所述一种基于离散樽海鞘算法的sparql查询优化方法，其特征在于：所述反向学习机制为：

7.根据权利要求4或5所述一种基于离散樽海鞘算法的sparql查询优化方法，其特征在于：所述s33中领导者更新按照如下公式：

8.根据权利要求4或5所述一种基于离散樽海鞘算法的sparql查询优化方法，其特征在于：所述s34中追随者更新按照如下公式：

9.一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一项所述的基于离散樽海鞘算法的sparql查询优化方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述的基于离散樽海鞘算法的sparql查询优化方法的步骤。

技术总结
本发明属于计算机查询技术领域，具体公开了一种基于离散樽海鞘算法的SPARQL查询优化方法，包括：将SPARQL SELECT查询的基本图模式BGP抽象为完全有向图G，然后构建权重矩阵W；将基本图模式BGP的三元组的不同顺序作为樽海鞘算法的初始种群，根据构建的权重矩阵W利用离散樽海鞘算法计算出SPARQL查询的最优的执行顺序，将最优的执行顺序作为SPARQL查询的顺序进行查询。通过本发明的方法能够找到SPARQL查询的三元组的最佳的查询顺序，提高SPARQL查询的查询效率。

技术研发人员：耿道渠,钱维,魏旻,李金枝,黄庆卿,王平
受保护的技术使用者：重庆邮电大学
技术研发日：
技术公布日：2024/4/7