随着数据库技术的迅速发展和信息系统的广泛应用,企业管理效率提高的同时也促成了海量数据的积累,一些大规模的系统,如证券、银行和人口统计等系统的数据量甚至超过了TB级。从大多数系统的应用实例来看,查询操作在各种数据库操作中所占比重最大,但在进行访问查询时,会遇到系统响应时间过长,占用系统资源过多等问题,查询速度已成为影响系统性能的重要瓶颈。常规算法在处理查询优化问题时都有着自身无法克服的局限性。例如:穷尽搜索算法所优化的关系数目不能太多,否则效率会急剧下降;启发式算法不一定得到最优解;局部随机搜索算法容易陷入局部最优化的陷阱中;一般的全局搜索算法又太过于依赖“代价函数分布曲面”。因此,本文在大型关系数据库查询优化中引入基因算法,来更好的解决大型数据库的查询优化问题。论文所做的工作如下:①分析了目前国内外针对关系数据库查询优化的研究成果,并对查询优化必要性进行了论证。②重点研究了查询优化器的结构、模块功能和工作原理;重点分析了查询重写和计划优化阶段的作用。③研究了多连接查询优化的原理和执行引擎的相关理论,分析了常见的搜索算法,并对它们的特点进行了总结。④研究了基因算法理论及其关键技术,并对变异算子进行改进,提出使用两种变异算子,克服了在树型编码中交叉算子生成新个体能力不足的问题,最后把基因算法和其它搜索算法进行比较。⑤根据基因算法的特点,设计出一个基于基因算法的多连接查询优化模型,并对该模型进行分析测试。结果证明使用基因算法的查询效率比使用其它普通算法的查询效率有明显的提高。