著者: このドキュメントは Martin Utesch (<utesch@aut.tu-freiberg.de>) によって、ドイツ、フライブルグにある University of Mining and Technology の Institute of Automatic Control のために書かれました。
リレーショナル演算子の中で、処理と最適化が一番難しいのは結合です。ある問い合わせに答えるための計画の侯補は、その問い合わせが持つ結合の数によって指数的に増えます。さらなる最適化の努力はさまざまな結合メソッドのサポートによってなされます（たとえばPostgreSQLの入れ子ループ、ハッシュ結合、マージ結合など）。 これは個々の結合やさまざまなインデックス（たとえばPostgreSQLのR-tree、B-tree、ハッシュなど）をリレーションのアクセスパスとして処理することによるものです。
現在のPostgreSQLオプティマイザの実装は、ストラテジの侯補空間のしらみつぶしに近い検索を行います。この問い合わせ最適化技術は、大規模な問い合わせを必要とするデータベースアプリケーションのドメイン（人工知能など）をサポートするには向いていません。
ドイツ、フライブルグにあるUniversity of Mining and TechnologyのInstitute of Automatic Controlでは、送電網の保守のための意志決定知識ベースシステムのためのバックエンドとしてPostgreSQL DBMSを使おうとしたため問題が起こりました。そのDBMSは知識ベースシステムの推論マシンのために、大きな結合の問い合わせを処理する必要があったのです。
可能な問い合わせ計画の探策性能に問題があったため、新しい最適化技術の開発が必要とされるようになりました。
そこで、データベース問い合わせ最適化問題へのオプションとして、遺伝的アルゴリズムの実装を提案します。