本發(fā)明屬于數(shù)據(jù)管理，具體涉及一種三維建模數(shù)據(jù)管理方法、系統(tǒng)及存儲介質(zhì)。

背景技術(shù)：

1、隨著三維建模技術(shù)的廣泛應(yīng)用，其在工程、城市管理、智能制造等領(lǐng)域的數(shù)據(jù)管理需求日益增長。

2、然而，現(xiàn)有的三維建模數(shù)據(jù)管理在數(shù)據(jù)訪問、存儲效率、實時更新等方面仍存在不足，如基于固定規(guī)則（如數(shù)據(jù)大小、類型）劃分存儲區(qū)域，缺乏對用戶實時訪問需求的動態(tài)響應(yīng)，導致高頻訪問數(shù)據(jù)無法快速調(diào)用，而低頻數(shù)據(jù)長期占用高性能存儲資源，采用固定時間間隔或簡單閾值觸發(fā)數(shù)據(jù)更新，難以平衡實時性需求與計算資源消耗，易造成系統(tǒng)過載或數(shù)據(jù)更新滯后，因此現(xiàn)有技術(shù)難以滿足復雜場景下高效、精準的數(shù)據(jù)管理需求，存在資源分配僵化、實時性與資源效率失衡等問題。

技術(shù)實現(xiàn)思路

1、為解決現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明提供了一種三維建模數(shù)據(jù)管理方法、系統(tǒng)及存儲介質(zhì)，通過對三維建模子模塊的融合重整降低訪問復雜度，結(jié)合動態(tài)優(yōu)先級決策實現(xiàn)資源精準分配與實時響應(yīng)優(yōu)化；采用優(yōu)先級分層與高速緩存機制，通過動態(tài)策略平衡了用戶體驗與硬件資源消耗。

2、本發(fā)明的目的可以通過以下技術(shù)方案實現(xiàn)：

3、本公開的第一方面提供了一種三維建模數(shù)據(jù)管理方法，包括步驟：

4、數(shù)據(jù)收集：獲取三維建模的原始建造數(shù)據(jù)、目標區(qū)域內(nèi)的環(huán)境屬性數(shù)據(jù)以及用戶交互平臺生成的操作數(shù)據(jù)；

5、模塊重整：將原始建造數(shù)據(jù)和環(huán)境屬性數(shù)據(jù)輸入數(shù)據(jù)融合算法中，根據(jù)數(shù)據(jù)類別生成三維建模各個子模塊的融合數(shù)據(jù)；

6、優(yōu)先級決策：根據(jù)操作數(shù)據(jù)獲取用戶對三維建模子模塊的周期訪問頻率，判決綜合三維建模中各子模塊的訪問優(yōu)先級；再結(jié)合子模塊的當前訪問頻率，判決綜合三維建模中各子模塊的存儲優(yōu)先級；

7、數(shù)據(jù)遷移：將系統(tǒng)的存儲區(qū)分為高速緩存區(qū)和低速緩存區(qū)，根據(jù)存儲優(yōu)先級通過非合作博弈模型生成子模塊的遷移決策；

8、模塊更新決策：結(jié)合各子模塊的訪問優(yōu)先級和存儲優(yōu)先級，通過非線性加權(quán)模型動態(tài)調(diào)節(jié)更新頻率；

9、參數(shù)調(diào)優(yōu)：基于歷史操作數(shù)據(jù)構(gòu)建強化學習模型，實現(xiàn)動態(tài)調(diào)節(jié)更新頻率的參數(shù)自適應(yīng)調(diào)優(yōu)。

10、進一步地，所述原始建造數(shù)據(jù)包括幾何結(jié)構(gòu)數(shù)據(jù)、紋理貼圖數(shù)據(jù)和材質(zhì)屬性數(shù)據(jù)；所述環(huán)境屬性數(shù)據(jù)包括光照強度、溫度分布和濕度分布；所述操作數(shù)據(jù)包括數(shù)據(jù)更新頻率設(shè)置和用戶調(diào)用指令。

11、進一步地，所述數(shù)據(jù)融合算法的計算公式為：

12、；

13、式中，表示幾何結(jié)構(gòu)、紋理貼圖、材質(zhì)屬性、光照強度、溫度分布和濕度分布的加權(quán)和，表示第類幾何結(jié)構(gòu)數(shù)據(jù)，表示第類紋理貼圖數(shù)據(jù)，表示第類材質(zhì)屬性數(shù)據(jù)，表示光照強度，表示溫度分布，表示濕度分布，、、分別表示第類幾何結(jié)構(gòu)數(shù)據(jù)、第類紋理貼圖數(shù)據(jù)和第類材質(zhì)屬性數(shù)據(jù)的權(quán)重系數(shù)，、、分別表示光照強度、溫度分布和濕度分布的權(quán)重。

14、進一步地，所述優(yōu)先級決策，包括以下步驟：

15、根據(jù)獲取的周期訪問頻率計算三維建模中各子模塊的訪問熱度值；

16、結(jié)合操作數(shù)據(jù)中的數(shù)據(jù)更新頻率設(shè)置，構(gòu)建數(shù)據(jù)更新頻率權(quán)重系數(shù)，對各子模塊的訪問熱度值進行加權(quán)處理，得到各子模塊的訪問優(yōu)先級；

17、根據(jù)子模塊的訪問優(yōu)先級和當前訪問頻率，計算各子模塊的存儲優(yōu)先級。

18、進一步地，所述訪問熱度值的計算公式為：

19、；

20、式中，表示第個子模塊的訪問熱度值，表示第時間段內(nèi)用戶對該子模塊的訪問次數(shù)，表示時間周期總數(shù)；

21、所述訪問優(yōu)先級的計算公式為：

22、；

23、其中，表示第個子模塊的訪問優(yōu)先級，表示第個子模塊對應(yīng)的數(shù)據(jù)更新頻率權(quán)重；

24、所述存儲優(yōu)先級的計算公式為：

25、；

26、其中，表示第個子模塊的存儲優(yōu)先級，表示當前訪問頻率，表示權(quán)重系數(shù)。

27、進一步地，所述遷移決策的生成，包括步驟：

28、將待遷移的子模塊集合作為參與者集合，將各子模塊的存儲優(yōu)先級、訪問延遲、存儲成本和遷移開銷作為信息集；

29、將每個子模塊作為獨立的決策主體，通過均衡各子模塊的訪問延遲、存儲成本和遷移開銷最大化自身收益?；

30、求解納什均衡策略組合，根據(jù)納什均衡策略組合確定每個子模塊的最終遷移決策；

31、所述求解納什均衡策略組合，包括步驟：

32、設(shè)定當前系統(tǒng)狀況為根節(jié)點，設(shè)定模擬次數(shù)為n；

33、從根節(jié)點開始遞歸子節(jié)點，通過ucb公式平衡探索與利用，從當前節(jié)點隨機進行子模塊的完整遷移，并根據(jù)策略組合執(zhí)行遷移操作，計算各子模塊的收益和系統(tǒng)總收益；

34、將模擬結(jié)果逆向傳播至父節(jié)點，并更新節(jié)點的平均收益和訪問次數(shù)；

35、經(jīng)過n次迭代后，將訪問次數(shù)最多的策略組合作為納什均衡策略組合輸出；

36、其中，所述ucb公式為：

37、；

38、式中，為平均收益，為探索次數(shù)。

39、進一步地，所述非線性加權(quán)模型的計算公式為：

40、

41、式中，為第個子模塊的更新頻率，為平衡系數(shù)，且，和分別為訪問優(yōu)先級的敏感性參數(shù)和存儲優(yōu)先級的敏感性參數(shù)，且和均大于0；

42、若，訪問優(yōu)先級對更新頻率的影響呈指數(shù)增長；若，訪問優(yōu)先級對更新頻率的影響趨于平緩；

43、當子模塊的存儲位置位于高速緩存區(qū)時，設(shè)為2；當子模塊的存儲位置位于低速緩存區(qū)時，設(shè)為0.5；

44、同時對子模塊的更新頻率設(shè)置實時更新閾值，若子模塊的更新頻率大于實時更新閾值，則實施主動同步策略。

45、進一步地，所述參數(shù)調(diào)優(yōu)，包括以下步驟：

46、根據(jù)訪問優(yōu)先級和存儲優(yōu)先級，定義強化學習的狀態(tài)空間、動作空間和獎勵函數(shù)；所述狀態(tài)空間包括訪問熱度值、當前訪問頻率和數(shù)據(jù)更新頻率權(quán)重，表示為；所述狀態(tài)空間通過多維度信息刻畫子模塊的動態(tài)特征，為強化學習模型提供決策依據(jù)；

47、所述動作空間包括平衡系數(shù)和訪問優(yōu)先級的敏感性參數(shù)，表示為；所述動作空間定義了系統(tǒng)可執(zhí)行的策略調(diào)整范圍；

48、所述獎勵函數(shù)的計算公式為：

49、

50、式中，為緩存命中率，為數(shù)據(jù)新鮮度，為計算資源的消耗量，、和為目標權(quán)重系數(shù)。

51、本公開的第二方面提供了一種三維建模數(shù)據(jù)管理系統(tǒng)，執(zhí)行如上所述的一種三維建模數(shù)據(jù)管理方法，包括數(shù)據(jù)收集模塊、數(shù)據(jù)重整模塊、優(yōu)先級管理模塊、存儲調(diào)度模塊、更新控制模塊以及參數(shù)優(yōu)化模塊；

52、所述數(shù)據(jù)收集模塊，用于從不同來源獲取原始建造數(shù)據(jù)、環(huán)境屬性數(shù)據(jù)以及用戶操作數(shù)據(jù)，實現(xiàn)數(shù)據(jù)標準化預處理；

53、所述數(shù)據(jù)重整模塊，用于將原始建造數(shù)據(jù)與環(huán)境屬性數(shù)據(jù)通過數(shù)據(jù)融合算法整合，生成三維建模的子模塊融合數(shù)據(jù)；

54、所述優(yōu)先級管理模塊，基于用戶操作數(shù)據(jù)，動態(tài)計算子模塊的訪問優(yōu)先級，同時結(jié)合當前訪問頻率與訪問優(yōu)先級，生成子模塊的存儲優(yōu)先級排序；

55、所述存儲調(diào)度模塊，用于將存儲區(qū)劃分為高速緩存區(qū)和低速緩存區(qū)，管理兩類存儲的容量與性能平衡，并基于存儲優(yōu)先級，通過非合作博弈模型優(yōu)化數(shù)據(jù)遷移策略；

56、所述更新控制模塊，用于利用非線性加權(quán)模型動態(tài)調(diào)節(jié)子模塊的更新頻率，平衡實時性與資源效率；

57、所述參數(shù)優(yōu)化模塊，基于歷史操作數(shù)據(jù)構(gòu)建強化學習模型，動態(tài)調(diào)優(yōu)更新頻率和存儲遷移閾值，實現(xiàn)系統(tǒng)自適應(yīng)優(yōu)化。

58、本公開的第三方面提供了一種存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時，運行如上所述方法中的步驟。

59、本發(fā)明的有益效果為：

60、本發(fā)明通過對三維建模數(shù)據(jù)進行子模塊重整，根據(jù)權(quán)重設(shè)置融合多源異構(gòu)數(shù)據(jù)完成不同數(shù)據(jù)類型子模塊的整合，避免單一數(shù)據(jù)對建模訪問造成的局限性，同時通過子模塊的融合建立從底層降低各個子模塊的訪問頻率和交錯復雜性，為優(yōu)先級決策提供明晰的操作數(shù)據(jù)；在做好必要的子模塊整合的基礎(chǔ)上，根據(jù)操作數(shù)據(jù)對三維建模子模塊進行訪問優(yōu)先級和存儲優(yōu)先級決策，通過動態(tài)優(yōu)先級管理實現(xiàn)資源精準分配和實時響應(yīng)優(yōu)化，通過基于存儲優(yōu)先級的博弈驅(qū)動的存儲遷移，進行全局效率優(yōu)化；再通過非線性加權(quán)模型根據(jù)優(yōu)先級動態(tài)調(diào)節(jié)更新頻率，實現(xiàn)了資源效率與實時性平衡；最后引入強化學習模型實現(xiàn)參數(shù)自適應(yīng)調(diào)優(yōu)，進一步優(yōu)化優(yōu)先級決策造成的緩存命中率降低的問題。本發(fā)明通過優(yōu)先級分層和高速緩存機制，確保關(guān)鍵數(shù)據(jù)快速響應(yīng)，同時兼容大規(guī)模數(shù)據(jù)存儲；動態(tài)更新策略和博弈模型在用戶交互體驗與硬件資源消耗之間找到最優(yōu)解。