我正在接受采访，被要求为以下问题创建一种有效的算法：
输入：
我们有一个RGB颜色列表。由3坐标<x,y,z>表示的每种颜色都介于0到255之间。此列表永远不变。
我们每次都会得到一些其他颜色（不一定是上面列表中的不是），我们需要将列表中最接近的颜色（就距离而言）返回到其他颜色。
注释：
我们可以对颜色列表进行一些预处理，因为颜色列表永远不会改变。
颜色之间的距离定义为：
d = ((x2 - x1)^2 + (y2 - y1)^2 + (z2 - z1)^2)^1/2
示例：
让：列表：{<1,1,1>,<1,0,1>,<2,2,2>,<0,1,0>}
其他颜色：<0,0,0>
结果：到<0,0,0>的最小距离是<0,1,0>。
我试图解决的问题：
显然，我们可以进行预处理，并保留世界上所有的颜色对，并节省距离，并且可以在O（1）运行时获得解决方案，但具有巨大的内存{{1 }}
最幼稚的解决方案是遍历列表，计算列表中每种颜色到其他颜色之间的距离，并以最小距离返回该颜色。取(255^3*n)，其中n是颜色列表的长度。
我试图用x，y，z坐标对列表进行某种排序，并保留3个排序后的列表或按与O(n)的距离排序，但是我不知道如何继续进行。
我还看到了this，但问题不在于解决问题的算法方法。
答案 0 :(得分：6)
如今，预计算完整的查找表并不是那么不可思议。只要您的参考色少于256种，所需的数组就会有256³（不是255³）条目，即17 MB。 （用于65536色的双色。）但是您确实有充分的理由使用这种设备。
如果颜色数量合理，那么天真的解决方案是可以接受的。
对于更大数量的颜色（例如从10种开始），可能有几种实用的解决方案：
kD树（其中k = 3）；查询时间接近O（Log N）;
八叉树；如果颜色没有聚类，则查询时间接近O（Log N）；
一个网格（例如4096个大小为16的单元格）；查询时间O（N），但在幸运的情况下，可以使渐近常数非常小。
计算几何工具可能会建议将3D Voronoi图组合到3D细分中的定位器上，但是它们虽然复杂，并且难以实现，即使它们将支持有保证的O（Log N）查询时间。
我个人更喜欢kD树。