软件学报

作者：宋子文，王斌，张喜瑞，赵世豪，杨晓春

单位：宋子文，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081911,王斌，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081902,张喜瑞，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081903,赵世豪，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081904,杨晓春，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081905

关键词：近似最近邻搜索;向量数据库;索引;高维数据;向量搜索;查询优化

基金：国家重点研发计划 (2024YFF0617702); 国家自然科学基金 (U22A2025, 62232007, U23A20309); 高等学校学科创新引智计划 (B16009)

高维向量近似最近邻搜索 (approximate nearest neighbor search, ANNS)是向量数据库的基础和核心之一. 随着人工智能的发展, 向量数据库发挥了日益关键的作用, 获得了广泛的关注, 高效的ANNS方法对向量数据库的性能优化十分关键. 在几十年的发展中, ANNS取得了一系列成果. 近些年随着该领域的快速发展, 涌现出来的新方法和研究成果亟须系统性梳理. 首先介绍了ANNS的基本概念; 其次在已有的综述框架的基础上, 根据向量数据组织方式将当前的内容进一步归纳为基于图、层次、量化、哈希和混合数据组织这5类, 并结合代表性和最新的成果进行介绍; 然后从向量数据搜索优化方法的角度提出面向硬件加速、面向学习增强、面向距离比较操作、面向磁盘内存混合场景、面向数据访问优化、面向分布式场景、面向混合查询和理论分析这8个方面的分类体系对最近的搜索方法进行综述; 最后基于当前的研究成果和趋势, 展望未来的研究方向.

来源：2026年第3期

《软件学报》期刊编辑部

查看软件学报杂志2026年第3期