Question

我在3D环境中工作。我在这个空间中有一些由x，y，z位置表示的物体。

# My objects names (in my real context it's pheromone "point")
A = 1
B = 2
C = 3
D = 4

# My actual way to stock their positions
pheromones_positions = {
    (25, 25, 60): [A, D],
    (10, 90, 30): [B],
    (5, 85, 8): [C]
}

我的目标是找到某个点（信息素）靠近（距离）给定的位置。我只是这样做：

def calc_distance(a, b):
    return sqrt((a[0]-b[0])**2+(a[1]-b[1])**2+(a[2]-b[2])**2)

def found_in_dict(search, points, distance):
    for point in points:
        if calc_distance(search, point) <= distance:
            return points[point]

founds = found_in_dict((20, 20, 55), pheromones_positions, 10)
# found [1, 4] (A and D)

但是，有很多信息素，它很慢（逐个测试......）。如何组织这些3D位置以更快地找到“距离给定位置的位置”？是否存在能以这种方式帮助我的算法或图书馆（numpy？）？

Answer 1

您应该一次计算所有（平方）距离。使用NumPy，您可以简单地从所有位置坐标的（nx3）数组中减去1x3大小的目标点，并将平方坐标差求和，以获得包含n个元素的列表：

squaredDistances = np.sum((np.array(pheromones_positions.keys()) - (20, 20, 55))**2, axis=1)
idx = np.where(squaredDistances < 10**2)[0]
print pheromones_positions.values()[idx]

输出：

[1, 4]

顺便说一下：由于你的return语句在所有点的for循环中，它将在找到第一个点后停止迭代。所以你可能会错过第二场或第三场比赛。

组织3d点并通过距离位置找到它们

1 个答案: