Algorithm 如何确定四叉树细分的最佳容量？

我使用Boid算法创建了一个植绒模拟，并集成了一个四叉树进行优化。如果四叉树尚未达到其boid容量，则将boid插入到四叉树中。如果四叉树满足其容量，它将细分为更小的四叉树，其余的BOID将尝试递归地再次插入该四叉树

如果我将容量从默认的

4

增加到能够容纳更多BOID（如

20

）的容量，性能似乎会更好，我只是想知道是否有任何规则或方法可以用于按公式选择最佳容量

---

如果相关的话，您可以实时查看站点或源代码。

我认为这在很大程度上取决于您的实现、硬件和数据特征

实施： 一种极端情况是使用GPU处理来比较条目。如果您支持这一点，那么拥有非常大的节点（可能只有一个节点包含所有条目）可能比任何其他解决方案都要快

硬件： 缓存大小和总线速度将发挥重要作用，这也取决于每个节点和每个条目消耗的内存量。访问未缓存的子节点显然代价高昂，因此您可能希望增加节点的大小以减少子节点的遍历。 ->回到实现上来，将整个四叉树存储在连续的内存段上是非常有益的

数据特征： 集群数据：具有强集群数据可能会对性能产生不利影响，因为这可能会导致树变得非常深。在这种情况下，增加节点大小可能会有所帮助。 大量数据意味着您可能会超过一个阈值，因为所有东西都适合缓存。在这种情况下，将节点变大将节省内存，因为您将拥有更少的节点，并且所有内容都可以再次放入缓存中

根据我的经验，我发现每个节点有10-50个条目在不同的数据集上提供了最好的性能

如果经常更新树，可能需要定义一个阈值，以避免节点“闪烁”和频繁合并/拆分。也就是说，拆分大于25个条目的节点，但仅当得到少于15个条目时才合并它们

如果你对避免退化的“深”四叉树的类似四叉树的结构感兴趣，看看我的。它的结构类似于四叉树，但在位级别上运行，因此最大深度严格限制为64或32，具体取决于数据的位数。实际上，即使是非常密集的数据，深度也很少超过10级左右。注：普通PH树是一个键值“映射”，即每个坐标（=键）只能有一个条目（=值）。这意味着您需要存储列表或条目集，以防任何给定坐标都需要多个条目