四叉树性能问题

Question

我遇到的问题是我使用的游戏使用四叉树进行快速接近检测，用于武器射击时的范围检查。我正在使用经典的“4宽”四叉树，这意味着当我尝试将第5个子节点添加到已经完整的父节点时，我会细分。

最初可用目标的集合相当均匀，因此四叉树的效果非常好。由于设计的变化，我们现在在相对较小的空间内聚集了大量的敌人，导致性能问题，因为四叉树变得非常不平衡。

我有两种可能的解决方案，要么修改四叉树来处理这个问题，要么切换到替代表示。

我熟悉的唯一其他表示是空间哈希，对此并不十分熟悉。根据我的理解，这可能会遇到同样的问题，因为群集会在相对较少的散列桶中结束。据我所知，BSP是一种可能的解决方案，可以比四叉树或空间散列更好地处理不均匀分布。

不公平，我知道，现在实际上有三个问题。

1. 我可以对四叉树进行任何修改，例如增加节点的“宽度”有助于解决这个问题吗？

2. 是否值得花些时间考虑空间哈希？

3. BSP或其他一些数据结构是否可以更好地应对不均衡的分布？

Answer 1

我通常使用每个节点至少有10个条目的四叉树，但你必须尝试一下。

我没有空间哈希的经验。

您可以研究的其他结构是：

• KD-Trees：它们实现起来非常简单，也适用于邻居搜索，但字符串聚类速度较慢。它们更新有点慢，可能会失去平衡。
• R * Tree：更复杂，非常适合邻居搜索，但更新甚至比KD-Trees更慢。由于自动重新平衡，它们不会失衡。重新平衡的速度通常很快，但在极端情况下，它可能偶尔会使事情进一步减缓。
• PH-Tree：实施起来相当复杂。好邻居搜索。具有非常好的更新速度（如四叉树），最大深度受坐标位宽（通常为32或64位）的限制，因此它们无法真正获得不平衡。使用大型数据集（100万或更多）可以很好地扩展，我对小数据集的经验很少。

如果您使用的是Java，我可以使用Apache许可版本here (R*Tree)和here (PH-Tree)。