基于合作關(guān)系的多智能體數(shù)據(jù)庫(kù)參數(shù)調(diào)優(yōu)模型

摘 要：高維數(shù)據(jù)庫(kù)參數(shù)空間中的參數(shù)調(diào)優(yōu)是提高數(shù)據(jù)庫(kù)性能的難點(diǎn)，現(xiàn)有方法更多關(guān)注于如何識(shí)別重要參數(shù)，在如何有效提高可調(diào)參數(shù)數(shù)量的問(wèn)題上仍存在不足。針對(duì)上述問(wèn)題，基于低維度映射技術(shù)和多智能體（Ｍｕｌｔｉ-Ａｇｅｎｔ）強(qiáng)化學(xué)習(xí)技術(shù)，提出基于合作關(guān)系的Ｍｕｌｔｉ-Ａｇｅｎｔ 數(shù)據(jù)庫(kù)參數(shù)調(diào)優(yōu)（Ｃｏｏｐｅｒａｔｉｖｅ Ｍｕｌｔｉ-Ａｇｅｎｔ Ｄａｔａｂａｓｅ Ｐａｒａｍｅｔｅｒ Ｔｕｎｉｎｇ，ＣＭＡＤＰＴ）模型，ＣＭＡＤＰＴ 將數(shù)據(jù)庫(kù)參數(shù)進(jìn)行分類調(diào)優(yōu)，極大增加了可調(diào)參數(shù)的數(shù)量；提出基于低維度映射的降維模型（Ｌｏｗ Ｄｉｍｅｎｓｉｏｎａｌ Ｍａｐｐｉｎｇ Ｍｏｄｅｌ，ＬＤＭＭ），通過(guò)低維的合成參數(shù)調(diào)優(yōu)高維的數(shù)據(jù)庫(kù)參數(shù)。實(shí)驗(yàn)結(jié)果表明，ＣＭＡＤＰＴ 模型有效地?cái)U(kuò)大了可調(diào)參數(shù)的數(shù)量，比主流方法平均提升１． １１７％ 的數(shù)據(jù)庫(kù)性能。此外，ＣＭＡＤＰＴ 每３００ 次迭代訓(xùn)練平均節(jié)?。保?３２ ｈ，極大地提升了算法的時(shí)間性能。

關(guān)鍵詞：數(shù)據(jù)庫(kù)參數(shù)調(diào)優(yōu)；合作關(guān)系；深度強(qiáng)化學(xué)習(xí)；多智能體

中圖分類號(hào)：ＴＰ３１１ 文獻(xiàn)標(biāo)志碼：Ａ

文章編號(hào)：１００３－３１１４（２０２４）０５－１０３７－０９