[发明专利]一种基于距离的求解二维空间中代表性节点集的方法

说明书

本发明提供了一种新的基于距离的求解二维空间中代表性Skyl ine节点集的算法，输入数据集，用BNL算法计算数据集中的Skyl ine点集Q；对点集Q排序后求出初始点到其它任意Skyl ine点的曼哈顿距离值并存储；求出Skyline点集中的k个代表性Skyline点；返回k个代表性Skyl ine点。算法时间复杂度为O(k²log³m)，远低于现有技术中DRS算法的时间复杂度。

技术领域

本发明涉及一种新的基于距离的求解二维空间中代表性节点集的算法(NewDistance-based Representative Skyline,简称NDRS)。

背景技术

Skyline查询问题是由Borzsonyi在2001提出来的。近年来，Skyline的查询处理吸引了大批数据库研究者的注意力，迅速成为了数据库领域的一个研究热点，大量的Skyline查询处理算法孕育而生。已有的成果主要覆盖三个方面：

(1)集中式数据库上的Skyline查询处理：包括BNL算法(Block Nested Loop)、SFS算法(Sort Filter Skyline)、分治算法(Divide and Conquer)、位图算法(Bitmap)、索引算法(Index)[5]、NN算法(Nearest Neighbor)、BBS(Branch and Bound Skyline)[3]等。

(2)分布式数据库上的Skyline查询处理：包括针对普通分布式环境下的Skyline计算、特殊分布式环境下的Skyline计算、对等网络上的Skyline计算等。

(3)其它计算模型下的Skyline查询处理：包括Skyline结果集大小及计算开销估算、在任意子空间上的Skyline查询处理、在所有子空间上的Skyline查询处理以及在数据流上的Skyline查询处理等。

虽然传统定义下的Skyline算法已经相对成熟，但依然有很多方面需要仍需改进。最为突出的一点是在很多应用场景下经由Skyline查询反馈回来的Skyline点的数目过大，以至于其无法很好地服务于多目标决策。

为了解决这个问题,林学民等人于2007年首次提出了“代表性Skyline(Top-krepresentative Skyline，简称TRS)”概念,即从Skyline点集中选出k个Skyline点作为“代表性Skyline点”，而选出的k个节点需要满足以下条件：选出的k个Skyline点所支配(dominate)的数据集中的点的个数要大于或等于从Skyline点集中任意选取k个Skyline点所能支配(dominate)的数据集中点的个数。其中支配(dominate)的含义如下：给定两个d维坐标的点x＝(x1,x2,…,xd)和y＝(y1,y2,…,yd),如果对于任意的整数i∈[1,d]，都有xi≤yi，且存在一个i使得xi<yi，则称点x支配点y。类似地，陶宇飞等人于2009年提出了“基于距离的代表性Skyline(Distance-based Representative Skyline)”的策略，其定义为：选出的k个点满足Er(κ,S)代表Skyline点集中所有非代表性skyline点到离其最近的代表性skyline点所能取得的最大距离值,然后通过动态规划算法求解得到最终的代表性Skyline点集，称为DRS算法。其中，κ表示“代表性Skyline”的点集，S指的是数据集中所有节点集合。本专利将主要采用基于距离的代表性Skyline的定义。