如何在未排序的数组中找到最接近的双精度

Question

我在离散空间中有一组点，坐标以 N 个 double[] 数组的形式给出。

如：

点 T1 = {1.3,2.5,4-3} ---> double[] x = {1.3}, double[] y = {2.5}, double[] z = {4.3}

然后我有一个函数可以在连续空间中的所有方向上从给定点生成偏移量，我需要在我的矩阵/双精度数组中找到最接近的匹配项。

问题是我无法对这些数组进行排序并应用二进制搜索，因为 Point 的组件在排序后很可能不会有相同的索引，相对于彼此。

是否有一些我可以应用的数据结构/算法来避免迭代搜索最接近的匹配点？

将点组织成一个数组实例来描述整个点而不是每个组件的数组会更好吗？

编辑

看起来理想的解决方案将使用评论中建议的 k-d 树。计算机科学算法不是我的领域，因此在我研究该主题时，使用 k-d 树或其他替代方法演示最小示例的答案将是最有帮助的。

Answer 1

如果我理解您的问题，您有 N 个大小为 M 的浮点数组，每个数组包含一个点在 N 维空间中沿轴的坐标。您还有一个浮点数，并且您想要找到浮点数最接近其中一个组件的点的索引。如果这是正确的，我将创建一个数组，其元素是对 (value, index)，其中 value 是组件之一， index 带来组件所属点的索引。然后，您可以使用 value 作为sorting.key 对数组进行排序。此时，您可以使用浮点数进行二进制搜索。

当然，只有当您要搜索多个浮点数时，构建和排序数组才有意义，因为排序需要 O (K log K)，K= N*M，然后搜索需要 O (log K )。如果只需要搜索一个浮点数，不妨对数组进行一次全搜索，结果为 O(K)。