近几十年来,数字经济在中国迅速发展,互联网业务在过去十年中经历了爆炸式增长,预计将继续增长。由于互联网和移动基础设施快速发展,信息技术同时也飞速提高,导致电子商务系统日益普及,商业交易变得越来越频繁。人们己经进入信息社会和大数据时代,人类社会的各种数据呈指数级增长。因此在海量数据的前提下,电子商务系统的快速准确地查询问题越来越被人所关注。目前的电子商务系统的查询优化技术已经被广泛的使用,如动态物化视图技术,缓存技术等,但是由于现在电子商务系统的数据是海量地并且是实时更新地,所以一些查询优化技术效果不佳,查询重写优化算法越来越被现在的学者重视。目前,常用数据库查询重写优化算法有遗传算法,动态规划算法,贪心算法,蚁群算法等。由于遗传算法的鲁棒性,强适应性,隐式并行性和强大的搜索能力,因此,本文提出了一种基于改进遗传算法的电子商务系统查询重写优化研究。由于传统的遗传算法容易陷入局部最小值问题,局部搜索效率较差,所以在传统的遗传算法中做以下两个部分的改进:在选择策略上选择用萤火虫算法改进了轮盘赌选择算法,在每次选择一个个体进入子代种群后,重新计算父代种群中每个个体在子代中出现的概率,保证适应度大的个体在父代种群中的相对概率更大,改善轮盘赌选择算法选择误差较大的缺点;然后详细的介绍了交叉算子和变异算子的实现原理,在交叉过程和变异过程之前用FCM算法将初始种群根据适应度的大小分为三个种群,然后为三个种群设定不同的交叉率和变异率,让适应度大的个体尽量少的进行交叉变异操作,进而保证子代种群的优异性。最后结合本文搭建的电子商务系统进行多次实验,实验结果表明改进的遗传算法比传统的遗传算法的查询时间短效率高。