我不确定这是什么数学概念来支持我的问题。 ^^
假设我们将PointA作为参考。问题是在给定半径内找到PointA周围的点（使用坐标）。我的方法是计算每个点（毕达哥拉斯）的距离，然后与给定的半径进行比较。我敢肯定，这会让人觉得复杂。
您建议使用什么算法？ 我们非常感谢能够指出问题的示例代码。感谢。
答案 0 :(得分：6)
我首先在圆圈周围创建一个盒子，然后首先测试盒子里面是否有任何东西。然后你可能总是避免一直计算sqrts和square。选择框的一个边缘（比如左边的那个）并计算其x值：
xMin = xOrigin - radius
然后任何满足的事情
xTest < xMin
可以忽略。对所有四个方面重复类似的事情。测试失败的那一刻，然后停止工作。不要做不必要的计算。
这告诉您一个点接近但不一定在半径范围内。接下来计算：
abs(sqr(xOrigin - xTest) - sqr(yOrigin - yTest))
如果这小于半径*半径（你预先计算以避免使用平方根）那么你在半径范围内有一个点。
这是我能够首先预先构建数据的最佳方法。
答案 1 :(得分：3)
如果您的积分未编入索引，那么这实际上是一种最佳算法。在没有任何其他索引的情况下，有 n个点，并且需要O（ n ）时间来搜索所有这些点。
一个微优化是跳过sqrt操作并将坐标增量的平方和与所需半径的平方进行比较。
如果你要对同一个数据集进行多次查询，你可以使用各种索引方案花一些时间来计算（O（n log n）），但要使查找更快（O（m + log n），其中m 是找到的点数。）
kd-trees可能是从那里开始的地方。
答案 2 :(得分：1)
这里唯一的复杂性是距离的计算。只需筛选并简化计算，您就是最佳选择。
如果你的'中心'是A（x，y），那么对于任何一点B（x1，y1），考虑：
1 /如果B在B点所需的距离d内，那么x-x1 < d和y-y1 < d都是如此。首先检查这些条件，以过滤任何“低悬果实”排除。
2 /而不是计算距离，计算距离的平方并将其与最大允许距离的平方进行比较（您应该明确地预先估算和参考，而不是每次重新计算）。这意味着不必为每个点计算平方根。
这些都是非常小的优化，但假设这些点是未分类和随机的，这是你得到的最好。
答案 3 :(得分：0)
最佳答案取决于尺寸的数量。我假设你在2D或3D空间工作。
一种简单的方法是制作一个均匀的单元格网格，比如r。然后将所有点分配到各自的单元格。
每个查询点只与少数单元格相交，比如9.你需要只检查相交的单元格。
更有效的方法是构造一个四叉树或KD树（还有很多其他选项，但对于2D，四元组或KD树都可以。）
检查圆形 - 矩形交叉是否需要层次结构，但这在KD-Tree最近邻居算法中描述（您只需稍微修改它）。
如果您真的关心性能，可以构建多个网格（移位或旋转）并始终选择最靠近该点居中的单元格，以便搜索限制为最少的单元格数。 / p>