我在离散空间中有一组点，坐标为N double []数组。
如：
点T1 = {1.3,2.5,4-3} ---＆gt; double [] x = {1.3}，double [] y = {2.5}，double [] z = {4.3}
然后我有一个函数在连续空间的所有方向上从给定点生成偏移量，我需要在矩阵/双数组中找到最接近的匹配。
问题在于我无法对这些数组进行排序并应用二进制搜索，因为Point的组件很可能在排序之后没有相同的索引。
是否有一些数据结构/算法可用于避免迭代搜索最接近的匹配点？
组织点是否更好，以便有一个数组实例描述整个点而不是每个组件的数组？
修改
看起来理想的解决方案会使用评论中建议的k-d树。计算机科学算法不是我的领域，因此在我研究这个主题时，用k-d树或其他替代方法展示最小例子的答案将是最有帮助的。
答案 0 :(得分：1)
如果我理解你的问题，你有N个大小为M的浮点阵列，每个浮点数包含一个沿N维空间轴的点的坐标。您还有一个浮点数，并且您想要找到浮点数最接近其中一个组件的点的索引。如果这是正确的，我将创建一个单元数组，其元素是对（值，索引），其中value是组件之一，索引带来组件所属点的索引。然后，您可以使用value作为sorting.key对数组进行排序。此时，您可以使用float进行二进制搜索。
当然，只有当你有多个要搜索的浮点数时，构建和排序数组才有意义，因为排序将采用O（K log K），K = N * M，之后搜索将采用O（log K ）。如果你只需要搜索一个浮点数，你也可以在数组上进行完整搜索，这将是O（K）。