我有一套经纬度为各种位置,也知道我的当前位置的经度和纬度。我必须找到从当前位置最近的地方。 哪一种算法最好从Kdtree和四叉树中找出一组经纬度的邻居位置? 一个优于其他? 你能否对此有所了解? 另外,我们如何才能实现这些以c#为上述目的的算法? 在此先感谢您的答案。四叉树和Kd树
四叉树和Kd树
回答
我认为在这种情况下,kd树会比四叉树做得更好,因为当使用四叉树来寻找最近的邻居时,最接近的对象可能被放置在右边的一个分区的另一边节点。另一方面,Kd树允许实现非常有效的最近邻居搜索,尽管在保持平衡树的同时插入和移除将更加困难。
比较空间索引技术我想把第三个比较研究称为R-tree。为了理解Quad-Tree,我想先进入R-tree。
什么是R-Tree?
R-Tree是一种基于网格的空间索引方法,将研究区域划分为固定尺寸的瓦片,如棋盘。
使用R-树,在瓦片中的每一个点都标记有瓦数,所以索引表可以为您提供的每个点显示,我们的数字在瓷砖的标签。
想象一下你需要在给定矩形中找到点的情况。 此查询是在两个步骤中进行,基于R-树:
- 查找瓦片,所述矩形是重叠的砖,和点(第一过滤器)
- 查找在上述步骤中的候选点,实际上躺在我们的矩形。 (第二个过滤器)
第一个过滤器创建一组候选项,并阻止测试我们研究区域中的所有点,以便一个接一个地检查。
第二个过滤器是准确的检查,并使用矩形坐标来测试候选人。
现在,看看上面的图片瓷砖,如果瓷砖是非常大或非常小的会发生什么?
当瓷砖太大时,例如,假设您有一个与您的学习区域大小相同的瓷砖,这只会形成一个瓷砖!所以第一个过滤器实际上是无用的,整个处理负荷将由第二个过滤器负担。在这种情况下,第一个过滤器很快,第二个过滤器非常慢。
现在设想瓷砖非常小,在这种情况下,第一个过滤器非常慢,实际上它会自行生成答案,而第二个过滤器很快。
确定瓷砖尺寸非常重要,并直接影响性能,但如果无法确定最佳瓷砖尺寸,该怎么办?如果你的地区有备用和密集的地区呢? 这里是使用四叉树的时间!
什么是四叉树?
四叉树方法开始于一个覆盖整个研究区域的大瓦片,并将其分为两条水平线和垂直线以具有四个相等面积,这些是新瓦片,然后检查每个瓦片以查看它是否具有多于一个预先定义的阈值,点在其中。在这种情况下,再次使用水平和垂直分割线将瓦片分成四个相等的部分。该过程继续进行,直到没有更多的点数大于阈值,这是递归算法。
因此,在密集的地区,我们有更小的瓷砖和大瓷砖时有备用点。
什么是kd树? 在KD-Tree中,如果一个区域的阈值点多于一个区域(可以使用其他标准),我们划分一个区域,使用(K-1)维度几何体完成划分,例如在3D树中,我们需要一个平面来划分空间,并且在2D-Tree中我们需要一条线来划分该区域。 划分几何图形是迭代的和循环的,例如在三维树中,第一个分割平面是X轴对齐的平面,下一个分割平面是Y轴对齐,下一个是Z,循环继续为每个空间部分变为可接受(满足标准)
下图显示了一个平衡KD树,每个分界线是一个中位数,它将一个区域划分为两个具有大致相同点数的子区域。
结论: 如果你有一个良好的分布点在谈论地图地球的结构特征时,这是不是这样的,因为他们是随机的,但是是可以接受的,当我们计划存储城市道路网络。我会去做一个R-tree索引。
如果您的资源有限(即汽车导航系统),则需要实施KD-Tree或Quad-Tree。每个人都有自己的优点和缺点。
- 四叉树创造了很多空分瓷砖的,因为每个瓦片已被分为四个部分,即使我们瓷砖的整个数据可以在一个季度契合,所以子片的其余部分是(看看上面的四叉树图片)
- 四叉树有更容易索引,可以更容易地实现。使用Tile ID访问tile不需要递归功能。
- 在二维Kd-Tree中,每个节点只有两个子节点或根本没有子节点,因此通过KD-Tree搜索本质上是一个二分查找。
- 更新四叉树比更新平衡的KD树要容易得多。
与上面的描述,我建议先从四叉树
这是四叉树是打算创建5000随机点示例代码。
#include<stdio.h>
#include<stdlib.h>
//Removed windows-specific header and functions
//-------------------------------------
// STRUCTURES
//-------------------------------------
struct Point
{
int x;
int y;
};
struct Node
{
int posX;
int posY;
int width;
int height;
Node *child[4]; //Changed to Node *child[4] rather than Node ** child[4]
Point pointArray[5000];
};
//-------------------------------------
// DEFINITIONS
//-------------------------------------
void BuildQuadTree(Node *n);
void PrintQuadTree(Node *n, int depth = 0);
void DeleteQuadTree(Node *n);
Node *BuildNode(Node *n, Node *nParent, int index);
//-------------------------------------
// FUNCTIONS
//-------------------------------------
void setnode(Node *xy,int x, int y, int w, int h)
{
int i;
xy->posX = x;
xy->posY = y;
xy->width= w;
xy->height= h;
for(i=0;i<5000;i++)
{
xy->pointArray[i].x=560;
xy->pointArray[i].y=560;
}
//Initialises child-nodes to NULL - better safe than sorry
for (int i = 0; i < 4; i++)
xy->child[i] = NULL;
}
int randn()
{
int a;
a=rand()%501;
return a;
}
int pointArray_size(Node *n)
{
int m = 0,i;
for (i = 0;i<=5000; i++)
if(n->pointArray[i].x <= 500 && n->pointArray[i].y <= 500)
m++;
return (m + 1);
}
//-------------------------------------
// MAIN
//-------------------------------------
int main()
{
// Initialize the root node
Node * rootNode = new Node; //Initialised node
int i, x[5000],y[5000];
FILE *fp;
setnode(rootNode,0, 0, 500, 500);
// WRITE THE RANDOM POINT FILE
fp = fopen("POINT.C","w");
if (fp == NULL)
{
puts ("Cannot open file");
exit(1);
}
for(i=0;i<5000;i++)
{
x[i]=randn();
y[i]=randn();
fprintf(fp,"%d,%d\n",x[i],y[i]);
}
fclose(fp);
// READ THE RANDOM POINT FILE AND ASSIGN TO ROOT Node
fp=fopen("POINT.C","r");
for(i=0;i<5000;i++)
{
if(fscanf(fp,"%d,%d",&x[i],&y[i]) != EOF)
{
rootNode->pointArray[i].x=x[i];
rootNode->pointArray[i].y=y[i];
}
}
fclose(fp);
// Create the quadTree
BuildQuadTree(rootNode);
PrintQuadTree(rootNode); //Added function to print for easier debugging
DeleteQuadTree(rootNode);
return 0;
}
//-------------------------------------
// BUILD QUAD TREE
//-------------------------------------
void BuildQuadTree(Node *n)
{
Node * nodeIn = new Node; //Initialised node
int points = pointArray_size(n);
if(points > 100)
{
for(int k =0; k < 4; k++)
{
n->child[k] = new Node; //Initialised node
nodeIn = BuildNode(n->child[k], n, k);
BuildQuadTree(nodeIn);
}
}
}
//-------------------------------------
// PRINT QUAD TREE
//-------------------------------------
void PrintQuadTree(Node *n, int depth)
{
for (int i = 0; i < depth; i++)
printf("\t");
if (n->child[0] == NULL)
{
int points = pointArray_size(n);
printf("Points: %d\n", points);
return;
}
else if (n->child[0] != NULL)
{
printf("Children:\n");
for (int i = 0; i < 4; i++)
PrintQuadTree(n->child[i], depth + 1);
return;
}
}
//-------------------------------------
// DELETE QUAD TREE
//-------------------------------------
void DeleteQuadTree(Node *n)
{
if (n->child[0] == NULL)
{
delete n;
return;
}
else if (n->child[0] != NULL)
{
for (int i = 0; i < 4; i++)
DeleteQuadTree(n->child[i]);
return;
}
}
//-------------------------------------
// BUILD NODE
//-------------------------------------
Node *BuildNode(Node *n, Node *nParent, int index)
{
int numParentPoints, i,j = 0;
// 1) Creates the bounding box for the node
// 2) Determines which points lie within the box
/*
Position of the child node, based on index (0-3), is determined in this order:
| 1 | 0 |
| 2 | 3 |
*/
setnode(n, 0, 0, 0, 0);
switch(index)
{
case 0: // NE
n->posX = nParent->posX+nParent->width/2;
n->posY = nParent->posY+nParent->height/2;
break;
case 1: // NW
n->posX = nParent->posX;
n->posY = nParent->posY+nParent->height/2;
break;
case 2: // SW
n->posX = nParent->posX;
n->posY = nParent->posY;
break;
case 3: // SE
n->posX = nParent->posX+nParent->width/2;
n->posY = nParent->posY;
break;
}
// Width and height of the child node is simply 1/2 of the parent node's width and height
n->width = nParent->width/2;
n->height = nParent->height/2;
// The points within the child node are also based on the index, similiarily to the position
numParentPoints = pointArray_size(nParent);
switch(index)
{
case 0: // NE
for(i = 0; i < numParentPoints-1; i++)
{
// Check all parent points and determine if it is in the top right quadrant
if(nParent->pointArray[i].x<=500 && nParent->pointArray[i].x > nParent->posX+nParent->width/2 && nParent->pointArray[i].y > nParent->posY + nParent->height/2 && nParent->pointArray[i].x <= nParent->posX + nParent->width && nParent->pointArray[i].y <= nParent->posY + nParent-> height)
{
// Add the point to the child node's point array
n->pointArray[j].x = nParent ->pointArray[i].x;
n->pointArray[j].y = nParent ->pointArray[i].y;
j++;
}
}
break;
case 1: // NW
for(i = 0; i < numParentPoints-1; i++)
{
// Check all parent points and determine if it is in the top left quadrant
if(nParent->pointArray[i].x<=500 && nParent->pointArray[i].x > nParent->posX && nParent->pointArray[i].y > nParent->posY+ nParent-> height/2 && nParent->pointArray[i].x <= nParent->posX + nParent->width/2 && nParent->pointArray[i].y <= nParent->posY + nParent->height)
{
// Add the point to the child node's point array
n->pointArray[j].x = nParent ->pointArray[i].x;
n->pointArray[j].y = nParent ->pointArray[i].y;
j++;
}
}
break;
case 2: // SW
for(i = 0; i < numParentPoints-1; i++)
{
// Check all parent points and determine if it is in the bottom left quadrant
if(nParent->pointArray[i].x<=500 && nParent->pointArray[i].x > nParent->posX && nParent->pointArray[i].y > nParent->posY && nParent->pointArray[i].x <= nParent->posX + nParent->width/2 && nParent->pointArray[i].y <= nParent->posY + nParent->height/2)
{
// Add the point to the child node's point array
n->pointArray[j].x = nParent ->pointArray[i].x;
n->pointArray[j].y = nParent ->pointArray[i].y;
j++;
}
}
break;
case 3: // SE
for(i = 0; i < numParentPoints-1; i++)
{
// Check all parent points and determine if it is in the bottom right quadrant
if(nParent->pointArray[i].x<=500 && nParent->pointArray[i].x > nParent->posX + nParent->width/2 && nParent->pointArray[i].y > nParent->posY && nParent->pointArray[i].x <= nParent->posX + nParent->width && nParent->pointArray[i].y <= nParent->posY + nParent->height/2)
{
// Add the point to the child node's point array
n->pointArray[j].x = nParent ->pointArray[i].x;
n->pointArray[j].y = nParent ->pointArray[i].y;
j++;
}
}
break;
}
return n;
}
- 1. 构建四叉树
- 2. 四叉树遍历
- 3. 平衡四叉树
- 4. 遍历四叉树
- 5. 四叉树删除
- 6. 四叉树 - 多级分段树
- 7. KD树,慢树构建
- 8. kd树实现
- 9. KD树在GLSL
- 10. 纯Python实现四叉树
- 11. 四叉树的遍历
- 12. 四叉树分解 - MATLAB
- 13. 重新排列四叉树/八叉树的数据
- 14. 在八叉树/四叉树中定位体素的性能
- 15. Java中的四叉树图形显示
- 16. 四叉树更新对象失败
- 17. 当代表使用四叉树
- 18. 点四叉树删除(沙美H.)
- 19. python中有效的四叉树实现
- 20. 错误插入一个点四叉树
- 21. 寻找完美四叉树的尺寸
- 22. 四叉树连接图(寻路)
- 23. 将图像转换为四叉树
- 24. 建筑kd树在CUDA
- 25. 二叉树到二叉搜索树(BST)
- 26. 二叉树 - 哪一种二叉树
- 27. 四叉树和划分成相等的子查询
- 28. 用任意的x和y名字初始化d3四叉树
- 29. 二叉树和结构
- 30. 递归和在二叉树