8.1. 作为复杂优化问题的查询处理

在所有关系型操作符里，最难以处理和优化的一个是 join． 一个查询需要回答的可选规划的数目将随着该查询包含 的 join 的个数呈指数增长． 在访问关系的分支时的进一步的优化措施是由多种多样的 联接方法（join methods） （例，在 Postgres 里的嵌套循环，索引扫描，融合联接等 （nested loop, index scan, merge join ））来支持处理独立 的join（联接）和多种多样的索引 如， Postgres 里的 r-tree，b-tree，散列（hash））．

目前 Postgres 优化器的实现在候选策略空间里执行一个 近似穷举搜索（near- exhaustive search）． 这个查询优化技术对包含有极广的查询需要的数据库应用领域， 例如人工智能等，支持得不够．

德国弗来堡矿业及技术大学自动控制系的成员在试图把 Postgres DBMS 作为用于一个电力网维护中做决策支持的知识库系统的后端时， 碰到了上面的问题． 该 DBMS 需要为知识库系统的推导机处理很大的 join（连接） 查询．

在可能的查询规划空间里进行检索的 恶劣性能引起了人们对发展新的优化技术的需求．

在随后的内容里，我们提出一个 基因算法（Genetic Algorithm） 的实现作为解决数据库查询优化问题的一个选择．