具有移动邻居的高性能最近邻搜索

Question

鉴于10,000个64维向量，我需要找到距离任意点的欧几里得距离最小的向量。

棘手的部分是这些10,000个向量移动。我见过的大多数算法都假定了静止点，因此可以很好地利用索引。我想在每个时间步都重建索引会太昂贵。

以下是伪代码。

for timestep in range(100000):
    data = get_new_input()
    nn = find_nearest_neighbor(data)
    nn.move_towards(data)

需要注意的一点是，每个时间步长的矢量只会移动一点点，约为1％-5％。一个非最佳解决方案是每~1000步重建索引。如果最近的邻居是近似的，则可以。也许使用每个向量动量会有用吗？

我想知道在这种情况下使用的最佳算法是什么？