KD Tree原理讲解

1.引子

在一张地图上，有600多个单位，每个单位之间都需要独立寻路，检测碰撞和寻找最近的敌方目标。当这一切需要在手机上流畅运行并尽可能快的在服务器进行模拟时，最简单的平方算法O(N^2)已经不能满足需求。

怎样减少计算的复杂度呢?

通过观察，可以发现，在地图左上角的单位根本无需和地图右下角的单位进行碰撞检测，因为它们离的太远了。

所以，通过对战场进行空间划分，可以避免大量的无效计算。

一种简单的划分方法是，将战场沿着横纵坐标划分为N * N的格子，只对在相同格子内的战斗单元做碰撞检测。

这种方法在大部分情况下简单有效，然而有以下几点问题:

1.当格子边长太大时，假设很多单位都聚集于一个或少数几个格子中，其实空间并没有有效划分

2.当格子边长太小时，一个格子内的单位可能太少了，也不能对空间进行有效划分

3.如果不查找附近的几个格子，可能或错过附近格子可能距离更近的单位

4.这种方法的空间复杂度是O(N2)，在格子数很多的情况下，内存开销会很高

KD树k — dimensionaltree，也可称之为K维树，可以用更高的效率来对空间进行划分，并且其结构非常适合寻找最近邻居和碰撞检测。

2.KD Tree之前的树

1.四叉树