适用于Java中的Flocking Boids的2D空间数据结构

Question

我正在进行植绒boids模拟，只是为了好玩，我想稍微优化一下。 需要工作的区域是在给定的boid附近找到boids。我认为要做到这一点，某种适合任务的空间数据结构将是我最好的选择（参见here并向下滚动一下。）。

无论我采用什么，我都会从头开始用Java实现自己。这样我就可以学到更多关于我选择的数据结构的知识，而不是我刚刚调用了一堆库函数。

我知道R-Trees，k-d trees和Quadtrees。在我看来，它们都是可行的选择。但我对这些数据结构没有任何经验，我不完全确定最适合我的目的。 我this scale上不需要任何东西 - 我说的可能只有几百个，也许最多只有一千个，而不是一百万个，但请记住，我最终可能最终会在Android手机上运行它。

请为此推荐一个数据结构（当然不限于上述内容），并给我一个很好的理由选择它。

是的，我见过this question。不，我对答案不满意 - 根本没有任何理由。

哦，另外一件事 - 就像标题所说的那样，这仅仅是针对两个维度的。

Answer 1

老实说，我会从一个未经优化的版本开始，看看你能走多远（多少个boid）。之后，尝试不同的方法并衡量它们之间的差异。我认为这是最好的学习方式。

Answer 2

四叉树是一种非常标准的数据结构，用于视频游戏中的命中检测。我认为这非常适合您的目标。

https://gamedevelopment.tutsplus.com/tutorials/quick-tip-use-quadtrees-to-detect-likely-collisions-in-2d-space--gamedev-374

Answer 3

九年太晚了，无法帮助 Iskar Jarak 但我会插话，因为其他人可能会在搜索中找到这个老问题。

关键在于，几乎任何事情都比查看每对 boid 的朴素 O(n²) 方法要好。所以正如 Iskar 所说，任何一种基于树的空间数据结构都是一个巨大的改进，基本上是 O(n log n)。也就是说：每个 n 类都需要查找它的邻居，每个类都是 O(log n)。

需要注意的是，Desmond Vehar 提到的“命中检测”是一个稍微不同的问题，它询问“这个查询位置是否在我的数据结构中的任何‘对象’中？”在多代理模拟中，我们希望找到多个邻居。有时“最近的 N 个邻居”或“查询位置给定半径内的所有邻居”。通常将一个 boid 描述为其中心点并通过点之间的距离进行过滤，从而产生一个“查询球体”就足够了。

在他的算法课程中，Tim Roughgarden 不断问“我们能做得更好吗？”事实上——虽然 O(log n) 在查找邻居方面比 O(n) 更好——但最好的是恒定时间查找，O(1)。这里的哈希表（又名未排序映射）是我们的朋友。

多邻居和散列这两个想法导致了一种加速多代理模拟的好方法：空间散列到体素(/boxes/lattices)。每个体素包含一组 boids/agents。代理的连续空间位置（通常是 2 或 3 个浮点数）被转换为体素坐标（2 或 3 个整数，通过缩放的“地板”操作），它们被散列在一起以产生一个“体素 ID”，用作体素哈希表中的键。因此，在 O(1) 恒定时间内，就像数组引用一样，您可以查找包含当前在同一体素中的所有代理的集合的体素。 “查询球体”通常会重叠多个体素。这些可以通过将查询点偏移体素间距距离的倍数来找到。这几个体素的内容合并在一起形成潜在邻居的集合，然后按距离过滤。当 agent/boid 移动时，他们会比较他们的新旧“体素 ID”，如果不相等，他们将自己从数据结构中移除，然后在新位置重新插入。

在体素空间查询球体：

资源：

大约有无数种“空间数据结构”/“空间数据库”。有关调查，请参阅此维基百科文章：Spatial database。另请参阅 Hanan Samet 的早期论文：1989 年的 Hierarchical Spatial Data Structures 和 1995 年的 Spatial Data Structures。

在 2000 年代初期我自己的工作中，我使用了固定大小的体素集合，以 i,j,k 坐标表示： Interaction with Groups of Autonomous Characters 于 2000 年，Big Fast Crowds on PS3 于 2006 年。后来，我转而使用“空间散列到体素”的方法，这种方法不需要先验规范 3d 体素网格维度，并且零开销用于具有许多空体素的稀疏代理分布。