[学习笔记]kd-tree

概述

kd-tree用来维护n维空间中的点的一种数据结构。
支持插入、删除、查询k临近（包括最远点对和最近点对）。

算法

kd-tree本质是一颗二叉树。
每一层选择一个维度，找到当前维度的中点（让树尽量平衡），经过这个点，在当前维度切割，分成左右两个子树。
通常维度的选择是顺次循环的，较易实现。
更优的方法是找到方差最大的维度划分。
kd-tree的每一个节点可以理解为是维护一个n维立方体。
i.e.一维是一条线段，二维是一个矩形，三维就是一个长方体。
实际上我们就是这样实现的。
节点中需要维护：

1. 划分点的坐标
2. 每一个维度的坐标范围
3. 孩子的指针

构建

类似于平衡树的构建方式。
灵活运用STL函数nth_element找到当前维度的中点。
递归建树。
构建复杂度$O(nlogn)$

最远最近点对查询

还是递归查询。
到达一个节点首先更新答案。
然后判断进入哪个子树继续查询。
怎么判断呢？
求一下两个子树可能的最优取值，先走那个较优的子树。
具体来说，比如你要求平面上的最远点，你就找询问坐标和两个子树所表示的矩形的最远距离，先走距离较大的那个。
如果最优的值都比当前答案优了，我们就可以不去递归了。
为什么上面说先走呢？
因为另一棵子树中仍可能有点更新答案，所以还需递归另一棵子树。
感觉很暴力对不对……
就是暴力优化= =
复杂度被证明最坏是$O(\sqrt n)$的。
但是我还没有找到什么地方有详细的证明。

插入

一脉相承。
插入一个点，判断当前维度应该被分到左子树还是右子树。
递归进行，发现不能递归下去了，就插在那个位置。
复杂度