Question

我有以下代码：

public static Location findClosest(Location myPosition, ArrayList<Location> spots) {  
  double min = Double.MAX_VALUE;  
  Location closer = null;  
  for(MyPosition aPosition:spots) {  
     float dist = Math.abs(aPosition.distanceTo(myPosition));  
     if(dist < min) {  
         min = dist;  
         closer = aPosition;  
     }  
  }  
  return closer;  
}

这是一种蛮力O（N ^ 2）方法，因为这是从以下函数调用的：

public static Location findClosest(Location myPosition, ArrayList<Places> places) {   
   Location closer = null;  
   double min = Double.MAX_VALUE;    
   for(Places place:places) {  
      Location currentMin = findClosest(myPosition, places.getSpots());  
      float dist = Math.abs(currentMin.distanceTo(myPosition));  
      if(dist < min) {  
         min = dist;  
         closer = currentMin;  
      }  
   }  
   return closer;  
}

现在可以正常工作，考虑到斑点的大小不是那么大~200最大我该怎么做才能改善我的做法？
除了geohashing之外还有其他算法可以用来提高性能吗？是否有一些坐标属性我可以用来跳过循环的某些部分？

Answer 1

因为你说O（N ^ 2），但这是一个O（N）函数，我假设你在一个循环中调用它来确定每个点最接近。在那种情况下，我不知道什么会更快。

但是，为了省去每次要存储最近点时必须运行此函数的麻烦，请将所有点的HashMap添加到最近的点，并检查该点是否已添加。如果添加了一个新点，只需检查它以及所有原始点。

希望这有帮助，如果只是一点点。

Answer 2

如果您的问题是找到最近的＆＃34;现货＆＃34;来自所有＆＃34;地点＆＃34;对于任何位置，您的功能将被多次调用（使用相同的＆＃34;地点＆＃34;和＃34;斑点＆＃34;），也许您应该考虑创建某种空间数据结构（即我所谓的预处理）。例如四叉树（https://en.wikipedia.org/wiki/Quadtree）。四叉树的构造可能需要一些时间，但您在搜索时会非常有效。 - 元素插入需要O（log N）（N点完全为（N * logN）（你的情况可能是N = M * M）） - 搜索只需O（log N）与笛卡尔坐标完美配合。如果您使用地理坐标，则应首先对其进行转换。

在找到最近的位置时，我怎么能比蛮力更好？

2 个答案: