Python：最佳粒子自碰撞/三角碰撞算法

Question

我开始在Python中为Blender开发这个粒子引擎：http://www.youtube.com/watch?v=uoK4QV3jg58&feature=channel_video_title

所有数据都由我的脚本处理，Blender只是用于视觉。我现在的问题是，在上面的视频中，我计算了每个粒子之间的距离，以便所有粒子检测它们是否相互碰撞。

我开始读到：

• 八叉树
• kdTree
• BVHTree
• AABBtree
• ......还有更多

Kdtree似乎非常有效地搜索最近的邻居，但仅用于静态云。我的粒子总是移动，因此必须在每次迭代时重新生成kdTree，我认为消耗了太多的过程。我看过许多游戏都使用AABB树。我有点失落......我不知道该选择什么。我想要的是：

• 检测大量粒子（250 000或更多）之间的碰撞
• 不需要实时（无论如何有250 000个粒子，这是不可能的）。对于200万个颗粒，每帧20分钟对我来说不是问题。
• 我的粒子总是球形
• 检测粒子与多边形对象之间的碰撞
• 减少必要距离计算的算法（避免计算每个其他粒子或多边形的所有粒子，即使它们距离很远）
• 我的粒子是动态的，我的多边形对象可以是动态的或静态的。

如果有人能告诉我什么是最好的猜测，我可以在哪里找到Python文档和示例。

Answer 1

如果“一切都是动态的”，那么您将失去快速查找和慢插入的数据结构的好处。

理想情况下，您可以在数据中找到一些结构以简化运行时间。也许移动的多边形都朝着相同的方向移动，因此您可以将它们用作参照系，从而有效地使它们成为静态。也许运动很小，因此数据结构可以就地更新，而不是在每次通过时从头开始重建。或者粒子和多边形的运动局限于小邻域，因此计算上难以处理的大问题可以减少到更小的问题。

说“没有任何附加约束”的“一切都在移动”类似于说从迭代到迭代的数据是完全随机的;因此，您的问题的关键是确定前一次迭代中的任何计算是否可重用。这将决定适当的数据结构和算法。