我正在研究捕食者，猎物和食物的进化模拟（根据生物在死亡时释放的条件和肉类在地形上生长的植物）。 他们每个人都有一个（x，y）位置。
目前，每个生物都有一些对红色，绿色和蓝色通道敏感的“眼睛”，当一个生物或一块食物在他们的观察距离内时，眼睛会对他们的视线发送输入作出反应。神经网络，取决于他们所看到的物体的颜色，它的相对角度和它与生物的距离。
我现在正在做的是遍历所有植物，肉块和生物，并检查它们是否在生物的观察距离内。如果该条件为真，则计算网络的输入。
问题是，与观看距离的生物相比，世界是巨大的（大约10,000 * 10,000“单位”），通常在150到300“单位”之间。最重要的是，植物数量可以变得非常高，这取决于地形条件（也可以高达几千），以及所有其他生物和肉块。
所以，我通常最终会为每个生物执行一个大规模的循环，当大多数被检查的生物和食物完全不相关（太远）时，它会真正减慢模拟速度。
我要求的是一些方法或算法，可以减少每个循环中检查距离的点数，限制被检查点的距离，或其他一些技术。
PS：我想过将模拟分成各个“区域”，所以如果一个生物在一个区域内，它只会检查该特定区域中的其他点（食物和其他生物）。然而，由于它们不断移动，如果它们位于区域的边缘，它将使它们的视图非常不准确。 我还通过检查距离^ 2（不做sqrt）来略微提高速度，并且只有当它小于viewing_distance ^ 2时才计算它。答案 0 :(得分：1)
将区域划分为世界。如果区域宽度略大于最大观看距离，则只需要检查最多4个区域。
使用四叉树或kd树的缺点是需要不断更新结构。但它可能会更好，做一些分析。
答案 1 :(得分：0)
四叉树结构可用于几何表示： http://en.wikipedia.org/wiki/Quadtree
这完全取决于您需要多少效率。区域答案还有一个问题，即如果你的生物靠近区域的边界，你可能会最终扫描4个区域..