Python 当列表不断增长时，高效的最近邻搜索？

我一直在重写一个旧的迷宫类型的东西，我只是为了好玩，虽然它不是一个迷宫，而是有点抽象和缩小，所以我不能只做一个

if location in locations

搜索

我已经做了一个基本的最近邻搜索，并尝试对其进行一些优化，但它仍然非常缓慢，因为每增加10倍的节点，就需要增加1000倍的计算（10000个节点上需要1670亿次计算，仅用于碰撞检查），所以我不认为有更多的工作可以做

这里的代码经过轻微编辑，可以独立工作，节点通常是一个类，我遍历每个节点并获取size/location属性（将它们更改为

node[0]

和

node[1]

）。想象一下，

节点列表

有数千个值

dimensions = 3
dimensions_range = range(dimensions)
def collision_check(node_list, location, size, bounds=None):

    #Check new node is within bounds (if set)
    if bounds:
        for i in dimensions_range:
            if not bounds[0][i] + size <= location[i] <= bounds[1][i] - size:
                return True

    #Find if any nodes are overlapping
    for node in node_list:
        size_total = size + node[0]
        distance = [abs(a - b) for a, b in zip(location, node[1])]

        #Take these two lines out and the time taken doubles
        if max(distance) > size_total:
            continue

        #Square to do one half of pythagoras
        distance_total = sum(pow(i, 2) for i in distance)
        if distance_total < pow(size_total, 2):
            return True

    return False

node_list = [
[0.5, (0, 0, 0)],
[0.5, (0, 0, 1)]
]

new_size, new_loc = [0.5, (0, 0, 2)]
print collision_check(node_list, new_loc, new_size)
#No collision

new_size, new_loc = [0.6, (0, 0, 2)]
print collision_check(node_list, new_loc, new_size)
#Collision

dimensions=3
尺寸\范围=范围（尺寸）
def碰撞检查（节点列表、位置、大小、边界=无）：
#检查新节点是否在范围内（如果已设置）
如果边界：
对于尺寸_范围内的i：
如果没有边界[0][i]+大小，您可能会发现四叉树算法对此很有用。总之，您的迷宫将被划分为四个象限，每个子节点中都有四个象限。当您开始执行碰撞检测时，您将从树的顶部遍历一个评估“我是否在此节点中”的值。如果是，则遍历更深，否则移动下一个节点。我在手机上，所以无法提供完整的答案，但这里有一篇关于实现四叉树的很酷的文章：它通常用于2D和3D游戏开发。该资源对于在2D环境中实现一些代码来说也很好。谢谢，我会考虑一下这种方法，我必须弄清楚如何让它在任何数量的维度上工作，这可能相当困难。但有一件事，我的东西在范围内可能是无限的，但当我以前尝试八叉树时，我发现超出初始范围是有问题的，你会建议在这种情况下，只将大小加倍并重新计算所有点吗？在2D环境中，这并不太难，因为你不需要处理Z平面，在你想要处理3D的时候，我有一个C++实现的实现：它的评论相当好，但是在那里处理顶点缓冲区等的错误代码很多（与你想要的完全无关）。您应该能够轻松地将迷宫动态划分为象限。当游戏加载时，你将初始切片分为4个象限，然后决定需要多少子节点。谢谢，我是在3D软件中进行的，但例如，我可以轻松地生成4D，并将其与关键帧链接，以使点出现和消失，这就是为什么我需要尝试制作一个动态八叉树的东西，它适用于你输入的任何维度。如果我超出范围，把树扩大一下怎么样？