通过代价模型可以为所要解决的问题提供一个参考模型,挖掘出问题中隐含的有价值的信息,并节省时间和费用;通过代价模型,可以基于过去和现在的信息估计即将进行操作的代价函数,帮助人们做出合适的决策;通过代价模型,可以揭示具体的查询操作中各个步骤的代价来源,将问题的抽象化,进一步地揭示问题的本质;建立代价模型,使影响代价的参数变得明显,有利于计算机处理,并且对于已知参数的监控,可通过计算机直接进行监控以及代价计算。代价模型最大作用为在代价未知时的预测以及代价已知时的评估。将代价模型移植到分布式,能够使基于分布式的查询在运行前预测此次查询的代价,以达到优化的目的;也可以在查询结束后通过实际消耗代价和模型计算的预估代价进行对比发现可以进行优化的环节。通过建立起基于分布式的移动对象的代价模型,以后新索引的评估可以通过模型提前计算出所消耗的代价,确定该索引的可行性,避免消耗了大量的时间却做了无用功。同时,针对已经成型的索引,可以在其运行之前,提前预测此次行为将消耗的代价,从而可以与其他的索引进行比较,选择更为合适的方法以提高查询效率。而将代价模型移植到移动对象上,则切合当今世界发展的主题,智能设备的快速发展,针对移动对象的查询必然需要优化,在优化前,提前评估和预测此次优化后的代价,将使对移动对象的查询优化更合理,更有依据性,且更快捷便利。主要的研究工作如下:(1)基于分布式数据库的半连接查询计划选择算法。提出了一种基于分布式数据库的半连接查询计划选择算法,根据查询地点不同,各种基于半连接的查询计划代价不同,选择最为合适的查询计划以提高查询效率。为了提高分布式数据库系统的查询效率,采用新的代价模型在执行半连接计划之前评估和传输执行与优化代价。由于剔除与连接无关的数据,有效减少连接操作关系中的无用数据,选择执行代价更小的执行方法。首先对分布式数据库查询执行代价模型进行分析,然后对半连接中的连接运算方式、连接关系的传输方法和执行场地等问题进行研究,并计算各个查询计划方法的代价函数,并对代价函数进行比较,给出一种可行的查询计划选择算法,从而针对一条发起场地已经确定的请求,选择合适的连接方法和传输方式。(2)基于星型拓扑结构的交通数据移动对象的分布式索引及代价计算。针对交通局数据的数据结构,其数据根据分布在各个位置上的传感器采集,按照地点聚集,并根据星型网络拓扑结构进行索引设计,提出一种基于星型拓扑的移动对象的分布式索引,实现多种移动对象查询算法,并给予该索引进行查询处理的代价计算。