69一区二三区好的精华液,中文字幕无码av波多野吉衣,亚洲精品久久久久久无码色欲四季,日本不卡高字幕在线2019

1.為了保證種群的多樣性，該文采用包含四個亞種群的島嶼模型；

2.該文提出了兩種基于集合的算子，即基于集合的變異算子和基于集合的交叉算子，將傳統差分進化中的連續域轉移到數據庫碎片問題中的離散域；

3.在基于集合的變異算子中，每個個體的變異策略根據進化性能自適應選擇；

4.實驗結果表明，該文提出的S-ADDE明顯優于文中比較的方法，驗證了提出的算子的有效性。

如圖1所示，描述了一個樣本數據庫，包含九個屬性和六個記錄。其中數據庫分為三個片段，這三個片段構成圖底部所示的片段解決方案。所提出的S-ADDE算法中的每個個體代表一個數據庫碎片解決方案。因此，個體中的每個位表示數據庫中的一個屬性，其值表示選擇相應屬性進行分配的片段。

圖1. S-ADDE算法中的個體表示的示例

如圖2所示，描述了島嶼模型的一個示例，其中每個大圓表示一個子種群。在大圓中，小三角形和圓代表最好的個體和個體其他亞群體個體。子種群中的最佳個體以預定義的遷移間隔被發送到通信拓撲上的鄰域子種群。然后，隨機選擇每個子群體中的一個個體，并由接收到的精英個體代替。

圖2. S-ADDE算法中的孤島模型的示例

如表1所示，描述了其他方法在實驗中獲得的平均值和標準偏差值，最佳結果用黑體標出。可以看到，S-ADDE算法在所有測試用例上都優于其他方法，可以在探索性搜索和開發性搜索之間實現更好的平衡。但是在復雜的測試用例（如和）中，S-ADDE更容易陷入局部最優。

表1. S-ADDE算法與其他方法的比較

如圖3所示，描述了四個典型測試用例的收斂曲線。其中，HA是一種針對數據庫碎片問題的最先進的啟發式算法，DE用作基線算法，S-DDE算法中數據庫碎片問題通過基于集合的變異和交叉算子進行優化。

一開始，這三種算法都收斂得很快。HA很快陷入局部最優并停滯。由于DE和S-ADDE的探索能力，它們可以在搜索過程中不斷提高匿名度。S-ADDE的綠線和DE的紅線之間的差異驗證了孤島模型和所提出的基于集合的算子在S-ADDE中的有效性。

圖3. 四個典型測試用例上競爭方法的收斂曲線 

如表2所示，描述了S-ADDE算法結果對原始數據集的影響。其中，AD表示每個數據集的匿名程度，min（AD）、avg（AD）和max（AD）表示由S-ADDE中的片段獲得的匿名度的最小值、平均值和最大值。

表2. S-ADDE結果對原始數據集的影響

如圖4所示，描述了16個測試用例的S-ADDE加速比。隨著S-ADDE的并行粒度不斷增加，加速比也顯著增加。不同測試用例中的加速比曲線各不相同，這是因為不同的測試用例具有不同的復雜性，需要不同的評估時間。

該文定義了一個匿名驅動的數據庫碎片問題。為了解決這個問題，該文提出了S-ADDE 算法。S-ADDE算法利用孤島模型來提高種群多樣性，這在復雜性高的搜索問題中至關重要。該文提出了兩種基于集合的算子，即具有自適應變異策略選擇的基于集合的變異算子和基于集合的交叉算子。S-ADDE的計算效率驗證了所提出算子的有效性。此外，該文對數據庫分片的隱私問題（即匿名度）進行了優化。在未來工作中，作者計劃進一步研究和優化數據庫碎片的效用問題。