【发布时间】：2013-06-24 03:23:38
【问题描述】：
假设我们在 3 维空间（或 2d，目前无所谓）中有 10 亿个点，我们想找到 k closest points（大小为 k 的点的子集，它们之间的距离比任何其他这样的子集），我们该怎么做？
我知道有一个名为 cover tree 的数据结构，但我想它在这里可能没有用，因为它试图找到最接近一点的节点。
【问题讨论】：
-
Spatial indexes 可能会派上用场。
-
其实有很长的列表，我知道 R-tree 尤其是 Kd-tree ，但我猜这些和覆盖树一样工作，我们可以使用这些结构找到最近的节点到单个节点。
-
实际上我认为我们可以使用例如
kd-tree数据结构来存储节点，然后通过对节点进行一种按顺序遍历并保持固定长度的queue（ k) 我们可以找到最接近的点，这需要O(nlogn)创建kd-tree 和O(n)遍历所有节点，所以总时间是O(nlogn)，知道吗？跨度> -
在一组
k点中有k(k-1)/2距离。应该最小化什么？和？最大？还有什么？ -
@n.m.每两个节点之间的距离总和必须最小化你是对的，有
k(k-1)/2距离，但我们可以在O(n)中做到这一点，因为我们在queue中添加了一个新点，我们在其他节点之间有距离，所以这可以在O(k)中完成
标签： algorithm data-structures computer-science