在所有关系运算符中，最难处理和优化的是连接。可能的查询计划的数量随着查询中连接的数量呈指数级增长。由于支持多种连接方法（例如，PostgreSQL中的嵌套循环、哈希连接、合并连接）来处理单个连接，以及多种索引（例如，PostgreSQL中的B-tree、哈希、GiST和GIN）作为关系的访问路径，进一步增加了优化的难度。

标准的PostgreSQL查询优化器会在备选策略的空间中执行近乎穷尽的搜索。该算法最初在IBM的System R数据库中引入，可以产生近乎最优的连接顺序，但当查询中的连接数量增加时，可能会花费大量的时间和内存空间。这使得标准的PostgreSQL查询优化器不适用于连接大量表的查询。

德国弗莱贝格矿业技术大学的自动控制研究所发现，当他们希望使用PostgreSQL作为支持电力网维护的决策支持知识库系统的后端时，遇到了一些问题。该数据库系统需要为知识库系统的推理机处理大型连接查询。这些查询中的连接数量之多使得使用标准查询优化器变得不可行。

在下文中，我们将描述一种遗传算法的实现，用于解决连接排序问题，这种方法对于涉及大量连接的查询非常有效。