团队的第一反应自然是按照两点间距离公式, 遍历N个已知点,然后排序获得前10个最短距离的结果。
只是,我从来不是一个规规矩矩的人。我一直推崇用人类直觉思维来编程,而不要被僵化的程序思想束缚。
传统距离公式,计算N个点的距离需要2N次的减法和平方。
而事实上, 一个真正的人类,是不会把所有N个点的距离都计算一遍的。大多数点都会被某些快速条件过滤掉的。
今天先把问题在这里写下来, 有时间在把优化后的算法补充进来。
最差劲模式:
每次遍历已知点数组,逐个计算两点间距离,保留最小值以及索引信息。
时间复杂度 O(n)
缺点:每次查询都要重新遍历数组,效率低下。
优化模式1:
dic3提出的方式
预处理阶段,遍历所有已知点,得出一个初始化半径,以确保至少能有一个或多个点在半径内。
实际处理阶段:
用初始化半径,判断半径内的已知点。然后根据结果再次扩大或缩小半径。
缺点:严重的问题是,如何知道半径内的点都是谁?其实又要遍历所有点了。
优化模式2:网格预处理
预处理阶段,按已知坐标将所有点分配到二维数组内
实际处理阶段:
按目标坐标计算并获取核心下标,获得二维数组内的一个元素
判断这个网格内的所有点的距离并获取结果。
如果目标点在网格边缘,需要进一步增加相邻网格内的数据来判断。
缺点:
1、最差情况下要判断4个网格
2、当网格内元素数量持续增加时,算法效率同样下降明显。
时间复杂度 O(n/网格数量)
关于网格预处理哪位大哥可以说的更详细一点》?
8 个解决方案
#1
对于这个问题,使用nd-tree,便可极大地提供效率。
#2
上楼的能不能说详细一点?
#3
楼上说的可是K-D tree?
#5
yes!
#6
yes!!
#7
private void button1_Click(object sender, EventArgs e)
{
ary = new List<Point>() { new Point(0, 0), new Point(0, 1), new Point(0, 2), new Point(0, 3), new Point(0, 4) };
string a = "";
ary.Sort(lstSort);
ary.RemoveRange(ary.Count - n, n);
foreach (var item in ary)
a = a + item + ",";
textBox1.Text = a;
}
/// <summary>
/// 比较规则
/// </summary>
/// <param name="a"></param>
/// <param name="b"></param>
/// <returns></returns>
int lstSort(Point a, Point b)
{
double lengthA = GetdeltaLength(a, currPoint);
double lengthB = GetdeltaLength(b, currPoint);
if (lengthA - lengthB < 0)
return 1;
if (lengthA - lengthB > 0)
return -1;
else
return 0;
}
double GetdeltaLength(Point pointA, Point pointB)
{
double templength = Math.Pow(Math.Pow(pointA.X - pointB.X, 2) + Math.Pow(pointA.Y - pointB.Y, 2), 0.5f);
return templength;
}
{
ary = new List<Point>() { new Point(0, 0), new Point(0, 1), new Point(0, 2), new Point(0, 3), new Point(0, 4) };
string a = "";
ary.Sort(lstSort);
ary.RemoveRange(ary.Count - n, n);
foreach (var item in ary)
a = a + item + ",";
textBox1.Text = a;
}
/// <summary>
/// 比较规则
/// </summary>
/// <param name="a"></param>
/// <param name="b"></param>
/// <returns></returns>
int lstSort(Point a, Point b)
{
double lengthA = GetdeltaLength(a, currPoint);
double lengthB = GetdeltaLength(b, currPoint);
if (lengthA - lengthB < 0)
return 1;
if (lengthA - lengthB > 0)
return -1;
else
return 0;
}
double GetdeltaLength(Point pointA, Point pointB)
{
double templength = Math.Pow(Math.Pow(pointA.X - pointB.X, 2) + Math.Pow(pointA.Y - pointB.Y, 2), 0.5f);
return templength;
}
#8
你可以先把N个坐标划分成很多小区域,然后把N个点按照所在的区域进行区分, 到时候看看给定的坐标在哪个区域,然后只在所在区域和周边的区域查找就行了,太远的区域不用找了。
#1
对于这个问题,使用nd-tree,便可极大地提供效率。
#2
上楼的能不能说详细一点?
#3
楼上说的可是K-D tree?
#4
#5
yes!
#6
yes!!
#7
private void button1_Click(object sender, EventArgs e)
{
ary = new List<Point>() { new Point(0, 0), new Point(0, 1), new Point(0, 2), new Point(0, 3), new Point(0, 4) };
string a = "";
ary.Sort(lstSort);
ary.RemoveRange(ary.Count - n, n);
foreach (var item in ary)
a = a + item + ",";
textBox1.Text = a;
}
/// <summary>
/// 比较规则
/// </summary>
/// <param name="a"></param>
/// <param name="b"></param>
/// <returns></returns>
int lstSort(Point a, Point b)
{
double lengthA = GetdeltaLength(a, currPoint);
double lengthB = GetdeltaLength(b, currPoint);
if (lengthA - lengthB < 0)
return 1;
if (lengthA - lengthB > 0)
return -1;
else
return 0;
}
double GetdeltaLength(Point pointA, Point pointB)
{
double templength = Math.Pow(Math.Pow(pointA.X - pointB.X, 2) + Math.Pow(pointA.Y - pointB.Y, 2), 0.5f);
return templength;
}
{
ary = new List<Point>() { new Point(0, 0), new Point(0, 1), new Point(0, 2), new Point(0, 3), new Point(0, 4) };
string a = "";
ary.Sort(lstSort);
ary.RemoveRange(ary.Count - n, n);
foreach (var item in ary)
a = a + item + ",";
textBox1.Text = a;
}
/// <summary>
/// 比较规则
/// </summary>
/// <param name="a"></param>
/// <param name="b"></param>
/// <returns></returns>
int lstSort(Point a, Point b)
{
double lengthA = GetdeltaLength(a, currPoint);
double lengthB = GetdeltaLength(b, currPoint);
if (lengthA - lengthB < 0)
return 1;
if (lengthA - lengthB > 0)
return -1;
else
return 0;
}
double GetdeltaLength(Point pointA, Point pointB)
{
double templength = Math.Pow(Math.Pow(pointA.X - pointB.X, 2) + Math.Pow(pointA.Y - pointB.Y, 2), 0.5f);
return templength;
}
#8
你可以先把N个坐标划分成很多小区域,然后把N个点按照所在的区域进行区分, 到时候看看给定的坐标在哪个区域,然后只在所在区域和周边的区域查找就行了,太远的区域不用找了。