Abstrait

ALGORITHME GÉNÉTIQUE OPTIMISÉ POUR LES ÉVÉNEMENTS DE DONNÉES SPATIALES DANS UN ENTREPÔT DE DONNÉES ACTIF

Paramasivam. K et Dr C. Chandrasekar

Un environnement hétérogène dynamique en évolution rapide nécessite que les données soient maintenues à jour. En raison de l'énorme quantité et de la formation composite des données spatiales, l'optimisation des requêtes spatiales est un processus complexe et important du point de vue de la recherche. De nombreuses techniques et méthodes de programmation sont présentées pour optimiser les solutions formées par les outils d'analyse spatiale. Le travail précédent utilisait la technique GA pour une opération multi-jointure dans un entrepôt de données actif. L'algorithme génétique (GA) est l'un des schémas d'optimisation normaux, qui crée de nombreuses solutions optimales possibles par rapport aux outils de programmation linéaire supplémentaires. Mais l'inconvénient du travail précédent est qu'il ne traite pas de la transformation et de l'exécution des données spatiales. Pour surmonter les problèmes soulevés par les données spatiales dans un entrepôt de données actif, dans ce travail, nous allons présenter une nouvelle technique appelée algorithme génétique optimisé utilisée pour former une relation d'entité logique avec l'état spatial d'extraction et de transformation des données. Plusieurs opérations de requête sont effectuées avec des données spatiales pour effectuer des relations multi-jointures dans un entrepôt de données actif et la sélection d'une combinaison plus appropriée de relations multiples est effectuée à l'aide d'un algorithme génétique optimisé. Un croisement optimisé et une mutation optimisée choisissent la meilleure combinaison de relations multiples de jointures contenant des données spatiales. Des évaluations expérimentales sont réalisées avec des ensembles de données synthétiques et réels pour estimer les performances de l'algorithme génétique optimisé proposé pour la relation multi-jointure avec extraction et transformation de données spatiales en termes de temps d'exécution multi-jointure, de temps de requête optimal et de population de gènes sont les mesures utilisées pour calculer le seuil optimal pour la génération de jointures multi-relationnelles.