C++ 在笛卡尔二维空间中的每个象限中查找最近的点
我在二维笛卡尔空间中有N个点，加载在boost:rtree中。 给定一个不在树中的随机点P（x，y），我需要找到一种有效的方法，为以P为中心并平行于主csy的局部csy生成的四个象限中的每一个找到最近的点 如图所示（上面链接），给定红色点，我需要找到四个紫色点 我尝试过这种天真的方法：C++ 在笛卡尔二维空间中的每个象限中查找最近的点,c++,boost,r-tree,C++,Boost,R Tree,我在二维笛卡尔空间中有N个点，加载在boost:rtree中。 给定一个不在树中的随机点P（x，y），我需要找到一种有效的方法，为以P为中心并平行于主csy的局部csy生成的四个象限中的每一个找到最近的点 如图所示（上面链接），给定红色点，我需要找到四个紫色点 我尝试过这种天真的方法： 名称空间bg=boost:：geometry； typedef bg:：model:：box； 向量结果； 向量结果p； int xres=10/*这是一个与积分分布松散相关的固定数量*/ int yres=
名称空间bg=boost:：geometry；
typedef bg:：model:：box；
向量结果；
向量结果p；
int xres=10/*这是一个与积分分布松散相关的固定数量*/
int yres=10/*至于xres*/
int范围=10；
int maxp=30；
/*
* .. 填满树
*/
框查询_box2（点（纬度，经度），点（纬度范围*yres，经度+范围*xres））；
rtree.query（bgi:：intersects（query_box2）和&bgi:：nearest（p，maxp），std:：back_inserter（result_p））；
如果（result_p.size（）>0）result_.s.推回（result_p[0]）；
结果p.clear（）；
框查询_box1（点（纬度，经度），点（纬度+范围*yres，经度+范围*xres））；
rtree.query（bgi:：intersects（query_box1）和&bgi:：nearest（p，maxp），std:：back_inserter（result_p））；
如果（result_p.size（）>0）result_.s.推回（result_p[0]）；
结果p.clear（）；
框查询_box3（点（纬度，经度），点（纬度+经度*yres，经度范围*xres））；
rtree.query（bgi:：intersects（query_box3）和&bgi:：nearest（p，maxp），std:：back_inserter（result_p））；
如果（result_p.size（）>0）result_.s.推回（result_p[0]）；
结果p.clear（）；
方框查询_方框4（点（纬度，经度），点（纬度范围*yres，经度范围*xres））；
rtree.query（bgi:：intersects（query_box4）和&bgi:：nearest（p，maxp），std:：back_inserter（result_p））；
如果（result_p.size（）>0）result_.s.推回（result_p[0]）；
结果p.clear（）；
如果（结果大小（）>3）
cout我会做一个迭代的最近的
查询
它将生成按距离升序排列的最近点
在所有象限中获得至少1分后，您将继续学习
原则上，这种方法的时间复杂度要低得多，因为它只涉及一个查询
最坏情况下的行为将迭代树中的所有点，例如
- 如果一个象限不包含任何点，或
- 当一个象限中的所有点实际上比另一个象限中最近的点更接近时
似乎前者在您的模型（？）中可能不可能，而后者在正态分布下统计上不可能。您必须检查您的域的期望点分布
或者，这总是适用的：测量和比较有效性能我会做一个迭代的最近的
查询
它将生成按距离升序排列的最近点
在所有象限中获得至少1分后，您将继续学习
原则上，这种方法的时间复杂度要低得多，因为它只涉及一个查询
最坏情况下的行为将迭代树中的所有点，例如
- 如果一个象限不包含任何点，或
- 当一个象限中的所有点实际上比另一个象限中最近的点更接近时
似乎前者在您的模型（？）中可能不可能，而后者在正态分布下统计上不可能。您必须检查您的域的期望点分布
或者，这始终适用：测量和比较有效性能使用修改后的距离函数。更准确地说，使用四个
其主要思想是使用距离，以便
d(v1,v2) = infinity if v2.x < v1.x
d(v1,v2) = infinity if v2.y < v1.y
d(v1,v2) = (v1.x-v2.x)²+(v1.y-v2.y)² otherwise
d（v1，v2）=如果v2.x
如果搜索具有此距离的最近点，则该点必须位于右上象限
在搜索树时，您需要将此逻辑扩展到minDist
这样做的好处是，当找到一个点时，它可以停止搜索象限。与“轴”重叠的页面可以展开两次。使用修改后的距离函数。更准确地说，使用四个
其主要思想是使用距离，以便
d(v1,v2) = infinity if v2.x < v1.x
d(v1,v2) = infinity if v2.y < v1.y
d(v1,v2) = (v1.x-v2.x)²+(v1.y-v2.y)² otherwise
d（v1，v2）=如果v2.x
如果搜索具有此距离的最近点，则该点必须位于右上象限
在搜索树时，您需要将此逻辑扩展到minDist
这样做的好处是，当找到一个点时，它可以停止搜索象限。与“轴”重叠的页面可以展开两次。box:：min_cornerbox:：min\u cornerbox:：max\u corner