我有很多x，y点，每个x，y点都有一些与之相关的额外数据。这个额外的数据我将存储在结构中。 我的应用程序要求给定任何一个点，我将不得不在该点周围的矩形区域内找到多少其他点（此点位于矩形的中心）。
我想到的一个逻辑是将所有x点存储为地图A中的键，并将所有y点作为另一个地图B中的键存储。 地图A将x作为键，y值作为值。 映射B将y作为键，关联的结构作为值。
这样，如果给定的点是（10.5,20.6），我可以使用upper_bound（10.5 + RECTANGLE_WIDTH）和lower_bound（10.5-RECTANGLE_WIDTH）来查找矩形内的x值范围和相应的y值，找出y值是否在20.6的+ - 范围内。
我使用地图的全部意义因为我有大量的x，y点存储，并且必须每两秒进行一次搜索。所以我不得不使用log（n）搜索map。 我觉得这可以以更有效的方式完成。建议？
答案 0 :(得分：7)
这是quadtree的典型应用。四叉树有助于在O（log（n）+ m）中查找位于矩形中的m个点，其中n是点的总数。
编辑：您使用地图的方法效率不高。对于随机分布的点，它将具有O（sqrt（n））平均复杂度和O（n）最坏情况。
答案 1 :(得分：0)
如何将点存储为指向这些结构的简单二维数组，当需要找到一个点x时，它就是一个简单的索引操作。任何其他点（x + a，y + b）都是如此。
答案 2 :(得分：0)
如果使用std :: points的点，则查找将始终为O（log N），其中N是您拥有的点数。
您的另一个选择是将您的搜索空间划分为多个桶，并将您的观点分为多个桶。然后在矩形中计算：
对于那些有重叠的人，你可以在你的集合中查找O（M），如果你使用每个桶的正确的集合类型，但是M应该小于N.甚至可能M很少超过少数情况下你可以线性地检查它们。
确定哪些存储桶重叠是一个恒定的时间操作，但是你必须线性地运行它们（甚至要检查它们是否为空），因此它们中的太多可能也是一个问题。
答案 3 :(得分：0)
第一个观察结果是std::map在任何情况下都不是最有效的结构。你的输入几乎是固定的，显然（来自评论）。在这种情况下，排序std::binary_search上的std::vector效率更高。 std::map相对于排序std::vector的主要好处是插入是O（log N）而不是O（N），并且您不需要它。
下一个观察结果是，你可以在第一阶段可能会有点不准确。您的输出集可能会比总点数小很多（否则线性搜索将按顺序排列）。但假设是这种情况，您可能会因为舍入矩形而受益。这将产生更多的候选点，然后根据精确的边界进行检查。
例如，如果您的点在（0,0）和（200,300）之间的XY平面中随机分布，则可以创建一个20x30矩阵，每个矩阵保持一个大小为（10,10）的子区域。如果您现在需要从（64,23）到（78,45）的矩形中的点，则需要检查子区域[6,2], [6,3], [6,4], [7,2], [7,3] and [7,4] - 仅600中的6个。在第二步中，您将丢弃结果as（61,25）。