一种使用多维化技术构建空间多维度搜索树的方法技术领域
本发明涉及数据密集化操作技术领域，尤其涉及一种使用多维化技术构建空间多
维度搜索树的方法。
背景技术
虽然当今计算机硬件技术的发展日新月异，但是软件基础算法的发展却始终停滞
不前，难以取得关键性的突破。这一方面是因为传统以数学算法和二维度设计方式为基础
的系统结构已经基本完善，再难以取得重大突破，另一方面也是因为设计者的思维方式已
经趋于定式，特别是在投资回报周期日渐缩短的现实要求下，基础算法的研究已经变得不
再重要，而如何使用成熟技术快速取得最大市场回报才是大多数产品的核心设计理念。
正因如此，市面上常见的软硬件同质化现象日趋严重，不同厂商的产品几乎完全
基于相同的核心算法库进行订制，无论是运行效率、资源占用，还是稳定性、功能性上的差
异都越发减小，所不同的往往仅剩下UI设计和对第三方工具的订制上，由此所导致的结果
就是产品间的竞争激烈，软件产业的利润率逐年递减。
而且，由于软件行业的停滞不前，导致硬件性能严重过剩，整个计算机行业的发展
都受到了严重影响，以智能化、人性化为卖点的新技术因为基础理论的缺失而进展缓慢，大
数据、云计算等成规模的应用难以发挥出其真正的潜力。
以传统的基础二叉树相关算法为例，虽然其中大多数算法具备结构简单、搜索速
度快等特性，但是在构建复杂系统，特别是在智能化应用与机器学习等模块的实现上，其结
构简单的特性就导致了搜索深度的大幅增加，从而抵消了其在性能上的优势。但是在多叉
树的构建上，传统的二维度多叉树也同样无法有效解决遍历方式单一、搜索算法难以优化
的缺陷，因此其树状结构在构建神经元算法的过程中难以起到应有的作用，由此种方式所
构建出的算法往往具有搜索深度大、灵活性不足、难以维护、运算效率低下等特征，因而极
大的限制了数据的规模与处理速度。
发明内容
为了解决以上技术问题，本发明提出了一种便于动态维护、易于管理、检索效率高，并
且适用于大规模数据处理的空间多维度搜索树构建方法, 通过该方法不但可以有效提升
复杂数据的查询效率，而且可以通过多维度的方式完美诠释智能化计算机所特有的关联信
息群落化概念，并具备维度信息管理、过滤能力、信息网络联想能力等。
本发明的技术方案包括如下步骤：
步骤1：创建并初始化一个数据空间，并根据需要设定数个相应的访问维度，如：三维空
间访问维度、四维时间访问维度等，更高的维度可以访问更加丰富的信息。
步骤2：根据需要创建一个以上的搜索树区域，如：数据处理区（进行排序等算法处
理）、逻辑处理区、信息存储区等。
步骤3：在区域中心创建一个节点，作为多维搜索树的原始节点，再依次在分支节
点中填充数据。
步骤4：为各区域创建索引节点列表（存储节点数据分类信息和空间坐标范围、多
维坐标范围等索引内容），将各区域整体作为一个节点（该节点之下即为索引节点）关联为
一个更高级别的多维搜索树结构，称之为功能索引树。
步骤5：当需要进行遍历访问时，系统首先在功能索引树中找到相匹配的区域空间
方位，然后再通过该区域中索引信息遍历到匹配的数据分类。
步骤6：在数据分类中查询是否存在符合搜索条件的最优索引路径，如存在则通过
该路径快速搜索必要数据，如不存在则发出遍历访问请求。
步骤7：返回搜索结果。
本发明所创建的是一种基于空间节点的树形网络结构，不同的信息之间通过某一
特定的属性实现互联，其具备如下几个基本特征：
不但根节点可以随机指定，查询起始点、遍历方向等都可以予以控制
空间树状结构并不存在严格意义上的方向定义，也就不存在固定的从上到下的依次遍
历规则。因此，在空间树状结构创建之后，任何一次遍历请求都可以自定义指定一个最可能
存在预期结果的遍历点，再以此点为圆心，依次向外遍历搜索。
具有可逆性特征，父节点与子节点可以根据需要相互转换
因为空间树状结构并不存在特定意义下的父子节点定义，因此在指定某一节点为搜索
起始节点之后，该节点就自然成为该次搜索的根节点，其后以此点为圆心依次遍历的节点
便成为了子节点。
通过多维度的方式对树状结构的可见性予以控制
当以多维度的方式处理上述空间树状结构时，我们可以为不同的维度设定其独立的可
见内容。比如当我们要检索某个30岁的人18岁时的身高数据时，这时候就可以用到时间维
度的概念。正如大脑的工作模式一样，空间树状结构只会将当下最常用的数据加入该结构
之中，其他非常用数据（如多年前数据），就可以存入其他维度，以便减少当前树结构的数据
量，以便提升遍历效率、节约系统资源。
允许子节点回联到根节点，最终形成闭合回路
同样因为空间树状结构不存在固定的根节点、不存在固定方向的特性，因而其内所有
的节点都可能会存在一种关联方式，最终由不同的连接路径再回到该出发点。由于该特性
的存在，空间树状结构的遍历请求往往是以多线程的方式予以实现，从一个指定的节点开
始，向每一个相邻节点同时开始搜索进程，直到进程交汇，并不再存在新的节点为止。通过
该方式，可以大幅提升该算法的相关效率。
通过空间方向信息进行智能化预判
空间多维搜索树与二维搜索树最大的差异在于其包含了空间方向属性，遍历搜索在到
达每一个空间节点之后都会面临一个方向选择的问题，这时候除了通常的依次遍历方法之
外，还存在各种方式的优化选择，而这些选择方法就为智能化快速遍历的算法实现提供了
必要的条件。
重复选择优化
系统自动记录遍历搜索的时候，在某些特定条件下被重复选择为正确结果的节点选择
过程，通过将这些节点关联为一种相对固定的空间轨迹，在之后满足条件的搜索请求时，快
速找到正确结果，从而为智能化设计，特别是机器学习行为提供自助矫正类的相关算法支
持。
方向选择优化
通过控制遍历方向（左、右、上、下等）来控制遍历的优先选择行为，当搜索请求符合某
种特定条件时，优先选择某一遍历方向。
反推过程优化
不经过树状结构，而由最末端节点，直接搜索到需要的结果，然后通过该结果反向搜索
最优路径的方法，我们称之为逆向思维搜索法。
联想模式优化
通过某一种通用属性，关联到相似节点，如该节点保留有最优化搜索路径记录，则经由
相似节点快速找到搜索结果的过程，我们称之为联想模式搜索法。
空间维度优化
多维搜索树包含了已知的所有相关搜索树算法，如二叉树算法等。这些算法作为二维
度索引算法，可以被兼容应用在每一个三维或更高维度的搜索树算法之中。同样的，如冒泡
排序等单维度的相关算法也可以被兼容使用。因此，在多维度搜索树算法的实现过程中，并
不会排斥现存的搜索树优化算法，相反，更高维度的算法实现意味着其可以兼容更低维度
下的任意一种算法。
具体实施方式
下面对本发明的内容进行更加详细的阐述：
步骤1：创建并初始化一个数据空间，并根据需要设定多个相应的访问维度，如：三维空
间访问维度、四维时间访问维度。
步骤2：根据需要创建一个或多个搜索树区域，如：数据处理区、逻辑处理区、信息
存储区。
步骤3：在区域中心创建一个节点，作为多维搜索树的原始节点，再依次在分支节
点中填充数据。
步骤4：为各区域创建索引节点列表，将各区域整体作为一个节点关联为一个更高
级别的多维搜索树结构，称之为功能索引树。
步骤5：当需要进行遍历访问时，系统首先在功能索引树中找到相匹配的区域空间
方位，然后再通过该区域中索引信息遍历到匹配的数据分类。
步骤6：在数据分类中查询是否存在符合搜索条件的最优索引路径，如存在则通过
该路径快速搜索必要数据，如不存在则发出遍历访问请求。
步骤7：返回搜索结果。