假设我有一组矩形（具有不同或相同的尺寸）。
这可以通过线性搜索/更新在O（n）时间内轻松解决，但是可以获得更好的结果吗？ O（log n）是最佳的我假设。 插入和移除也必须比O（n）更快，因为在我的情况下这是有用的。
可以通过找不到最佳矩形来制作任何快捷方式，而是放宽第二个限制： ＆＃34;它也应该是可以包含给定矩形的最小矩形之一＆＃34; -
我正在考虑使用Z-order curve（宽度/高度）并将其用作一维索引并将其与树结合。 那会有用吗？还是会有太多浪费？
另一种方法是使用一个轴使用树，然后线性地测试另一个。
任何做类似事情的人都可以分享他们的经历吗？
答案 0 :(得分：2)
这是一个尚未完全阐述的想法：
也许你可以使用一个四重分支的树，其中每个代表一个矩形的2元组值（高度和宽度）。
一个节点（w，h）有4个子节点：
(<w, <h) - 包含宽度较小且高度较小的rects (>=w, <h) - 包含宽度更大，高度更小的rects (<w, >=h) - 包含宽度更小，高度更高的rects (>=w, >=h) - 包含宽度更大，高度更高的rects 当您在(w, h) rect节点下降以查找(w2, h2) rect的容器时，现在有4种不同的情况：
w2<w and h2<h - 三个选项：(>=w, <h)，(<w, >=h)，(>=w, >=h) w2>=w and h2<h - 两个选项：(>=w, <h)，(>=w, >=h) w2<w and h2>=h - 两个选项：(<w, >=h)，(>=w, >=h) w2>=w and h2>=h - 一个选项：(>=w, >=h) 你必须下降到所有可能的分支，这仍然比O（n）更好。
插入是O（log n）。 还不确定删除和平衡。但我几乎肯定也有解决方案。