Python Bentley-Ottman与原始交叉积交叉口在非常密集的二维线段分布中的性能比较
我试图解决的问题是找到跨越给定矩形的线段之间的所有交点。这些线以1E3-1E4的顺序随机生成，直到给定数量，所有端点都可以在矩形上找到。这基本上是在一个圆中生成随机和弦的矩形情况。在低密度的情况下，该系统 我主要感兴趣的输出是从直线和交点生成的图形，最好是以我可以从.csv文件馈送到matplotlib的形式 为了获得维度感，我首先尝试了一个简单的实现，使用Numpy检查每一对的相交。它的工作相对来说还行，但是，可能是因为我根本没有注意内存管理，它在大量的行中冻结了 几天来，我一直在尝试修改我极其混乱的代码，以使用Bentley-Ottman行扫描算法，但我意识到我需要从头开始重写它才能工作，主要是因为我一直将列表与Numpy数组和显式索引混合在一起，而不是正确的数据结构Python Bentley-Ottman与原始交叉积交叉口在非常密集的二维线段分布中的性能比较,python,algorithm,numpy,computational-geometry,Python,Algorithm,Numpy,Computational Geometry,我试图解决的问题是找到跨越给定矩形的线段之间的所有交点。这些线以1E3-1E4的顺序随机生成，直到给定数量，所有端点都可以在矩形上找到。这基本上是在一个圆中生成随机和弦的矩形情况。在低密度的情况下，该系统 我主要感兴趣的输出是从直线和交点生成的图形，最好是以我可以从.csv文件馈送到matplotlib的形式 为了获得维度感，我首先尝试了一个简单的实现，使用Numpy检查每一对的相交。它的工作相对来说还行，但是，可能是因为我根本没有注意内存管理，它在大量的行中冻结了 几天来，我一直在尝试修改我极
我的问题是，在这个非常密集、非常长的线段的特殊情况下，直线扫描算法是否一定比原始方法快，并且相差多少 经典的扫描线算法在空间中的对数n+k时间内运行，其中n是线段数，k是交点数。显然k在^2上。我想这可能是一种蛮力方法，你的幼稚方法占用了^2的时间和空间
如果知道在平面k中有稀疏分布的短线段，则扫描线可能会更快。从空间角度看，这取决于您对输出的处理。如果您存储了所有交点，那么您还需要^2空间中的扫掠线。如果您编辑问题，您更有可能获得帮助。请阅读：