库存查询效率是数据库系统的重要性能指标之一,查询优化是该领域的难点和热点问题。本文提出了一种基于遗传算法的优化查询方法,该方法利用关键字预处理模块,将用户输入的关键字转化为内部关键字,以提高查询准确性；而采用的设置用户搜索统计记录索引表,可避免重复搜索时的全库扫描,进而较大的缩减了查询响应时间；在搜索统计记录表中没有搜到结果时,那么就采用遗传算法进行全库扫描以求最优求解,在这个过程中,提出了相关度的计算方法,根据相关度的大小进行排序,方便用户查询。企业在运作过程中,库存占企业运作成本的很大一部分。如何既保证生产需要又不至于库存积压,是现在企业必须解决的问题,本文在企业历史库存数据的基础上,采用SVM的信息粒化时序回归预测来建立模型,从模型中预测库存的变化趋势和变化区间,验证结果表明该模型具有一定的准确性。论文的研究内容主要有以下三个方面：(1)提出了动态农资库存量的查询方法。针对农资库存量变化的特点,一段时间内畅销的农资产品必然频繁的被搜索到。在数据库中建立临时索引表,记录当前热门农资产品的库存量变化,可以在一定程度上加快农资库存量的查询速度,缩短响应时间。根据临时索引表的查询结果再判断是否需要进行全库搜索,从而在一定程度上加快了系统整体的查询速度。在查询结果显示方面,提出了基于相关度的排序方法,以便让热门目标关键字排在前面,方便用户浏览搜索结果。(2)建立了库存量模型。论文阐述库存控制的重要性以及常见的库存控制方法,最后建立模糊信息化的方法模型。该模型的预测值可以为企业提供参考,经验证,该方法具有一定的准确性。(3)提出了库存模型的评估方法。首先收集专家认为的库存模型影响因子,采用AHP层次分析法评估了八个因子的权重。在实际应用中,可以根据库存模型影响因子的权重比,来进一步优化该库存模型,以便完善该库存模型。在国家自然科学基金资助项目和“十二五”国家科技支撑计划重点项目的支持下,本论文研究的成果对数据库查询的方法、以及对企业库存量的控制等相关领域的研究具有一定的借签价值,对进一步构建高效、精确的库存优化系统,实现最优库存量,具有一定的理论意义和实用价值。