Algorithm 这里介绍的粒子模拟数据结构/算法的正式名称是什么？

为了让计算机模拟宇宙中相互作用的n个粒子系统，可以使用以下粗略算法：

for interval where dt=10ms
  for each particle a in universe
    for each particle b in universe
      interact(a,b,dt)
  for each particle a in universe
    integrate(a,dt)

它很重，每滴答声调用

interact

n^2次-因此，无法模拟许多粒子。不过，在大多数情况下，附近的粒子相互作用不太强烈。其思想是利用这一事实，创建一个图形，其中每个节点都是一个粒子，每个连接都是它们的距离。距离较近的粒子比距离较远的粒子更容易相互作用。比如说,

for interval where dt=10ms
  for each particle a in universe
    for each particle b where 0m <= distance to a < 10m
      interact(a,b,dt)
for interval where dt=20ms
  for each particle a in universe
    for each particle b where 10m <= distance to a < 20m
      interact(a,b,dt)
for interval where dt=40ms
  fro each particle a in universe
    for each particle a in b where 20m <= distance to a < 40m
      interact(a,b,dt)
(...etc)
for interval where dt=10ms
  for each particle a in universe
    integrate(a,dt)   

dt=10ms时的间隔

对于宇宙中的每一个粒子
对于每个粒子b，其中0m您描述的一般算法是a

我不认为你所描述的启发式算法有一个通用的名称。
你所描述的通用算法是一个

我认为您描述的启发式没有通用名称。
您正在进行时间步模拟，并使用称为本地化的性能增强启发式。
您正在进行时间步模拟，并使用称为本地化的性能增强启发式。
克服
O（n^2）
在每一步计算全套成对交互的成本，通常使用该方法实现此类模拟。这在精神上与您所描述的多分辨率想法类似

Barnes Hut是一种基于分层空间划分策略的全成对交互项的有效（
O（n*log（n））
）近似。粒子集被插入到一个（四叉树中的
R^2
），这是一个高度
O（log（n））
的空间索引树。除了包含指向其子级的指针外，树的每个级别的节点还包含其子粒子集的质心-树节点实际上是各种空间分辨率的集中“超级粒子”

当计算作用在特定粒子上的力时，树从根开始遍历，在每个节点上，决定是继续遍历到它的子节点，还是根据子节点的质心进行近似的“集中”贡献。通常，此决定基于质心与相关粒子的距离-如果质心“足够远”，则遍历终止，并采用“集中”近似

此策略确保仅在“短”粒子距离下计算完整（且昂贵）的成对相互作用，随着距离的增加，使用近似的“集中”相互作用

最先进的N体算法还为系统中的每个粒子加入了单独（和可变）的时间步长，以获得额外的效率，但这开始变得非常复杂

希望这能有所帮助。
为了克服在每一步计算全套成对交互的成本，通常使用这种方法来实现此类模拟。这在精神上与您所描述的多分辨率想法类似

Barnes Hut是一种基于分层空间划分策略的全成对交互项的有效（
O（n*log（n））
）近似。粒子集被插入到一个（四叉树中的
R^2
），这是一个高度
O（log（n））
的空间索引树。除了包含指向其子级的指针外，树的每个级别的节点还包含其子粒子集的质心-树节点实际上是各种空间分辨率的集中“超级粒子”

当计算作用在特定粒子上的力时，树从根开始遍历，在每个节点上，决定是继续遍历到它的子节点，还是根据子节点的质心进行近似的“集中”贡献。通常，此决定基于质心与相关粒子的距离-如果质心“足够远”，则遍历终止，并采用“集中”近似

此策略确保仅在“短”粒子距离下计算完整（且昂贵）的成对相互作用，随着距离的增加，使用近似的“集中”相互作用

最先进的N体算法还为系统中的每个粒子加入了单独（和可变）的时间步长，以获得额外的效率，但这开始变得非常复杂

希望这有帮助。
好的，谢谢。虽然这不是我理想化的算法，但这仍然是一个有见地的答案，因为我不知道您所描述的集总策略的细节。+1用于提及可变时间步长。正如你所说，它变得非常复杂，但是如果你想要一个精确的模拟，它是无法避免的。即使你想要一个“精确的”模拟——一个不能给出正确位置但能指示发生了什么事情的模拟——你也必须以某种形式来处理这个问题。基本上，舍入误差的累积往往会夸大系统的总能量（至少当我这样做时，它会增加），而应该受到引力约束的系统最终仍然会“爆炸”。这是一个很难解决的问题。谢谢。虽然这不是我理想化的算法，但这仍然是一个有见地的答案，因为我不知道您所描述的集总策略的细节。+1用于提及可变时间步长。正如你所说，它变得非常复杂，但是如果你想要一个精确的模拟，它是无法避免的。即使你想要一个“精确的”模拟——一个不能给出正确位置但能指示发生了什么事情的模拟——你也必须以某种形式来处理这个问题。基本上，舍入误差趋向于累积到o