为了澄清我的帖子，我根据评论对其进行了编辑。
当边缘成本不对称时，我正在考虑如何有效地实现最近邻居 。我想一系列的城市有100到12000个。
更详细地说，作为一个例子，从城市 A 到城市 B 的成本 COST 1 强>，例如步行，成本 COST 1 / 10 从 B 到 A ，例如乘火车。换句话说，我在这里看到的问题是，如果我有一个非对称矩阵 C 表示旅行城市之间的成本，我选择一个点 A ，怎么能发现有效地，比方说，三个最近的邻近城市 B 1 ， B 2 和 B 3 的旅行费用？我想反复运行查询。预处理时间，如果不是很大，就可以了。
效率思考让我思考类似k-d tree的东西，这有助于在 O（lg（n））时间内找到 k 最近邻居城市之间的成本对称。在我的情况下，这只是基本的k-d树的障碍，因为在任何两个城市之间的旅行成本在两个方向上通常不相同。事情的要点似乎是那样的，我怎么能在不对称的情况下做像k-最近邻居这样的事情呢？
为了弥补上述对称性假设，我认为不是只有一棵树，而是构建了两棵树，以便在两个方向上计算成本，然后我在两棵树上搜索。然后我开始怀疑，有没有人知道是否已经有一些专门用于不对称成本和/或使用两棵树作为一个想法完全误入歧途的东西？
它也可能是二维的k-d树不一定是最合适的解决方案。因此，欢迎指向其他数据结构和算法的指针。特别是如果有人对我的问题规模有实际经验。维基百科列出了quite a bunch of approaches，甚至近似的解决方案也适用于我正在尝试做的事情（这是一个用于学习目的的小游戏）。
答案 0 :(得分：1)
对于每个点，您需要计算所有可用旅行类型（英尺，旅行，......）的成本，导致一个单位，比较并获得最小值。这个成本可以用在搜索算法中。