Kd-Trees算法原理和源码

Kd-Trees

Github地址

kd-tree（k-dimensional-tree）,是一种分割k维数据空间的数据结构。主要应用于多维空间关键数据的搜索。下面介绍了如何使用kd-tree实现2维的范围搜索和最近邻搜索。

kd-tree有很多的应用场景，例如网络设计、电路设计、数据库查询。在范围搜索和最近邻搜索中，普通的遍历搜索查询算法复杂度为O(N),而kd-tree的复杂度为O(logN)。

kd-tree数据结构

---

下面介绍kd-tree在2维情况下的数据结构，即每个节点由2维数据（x坐标和y坐标）构成。

2d-tree建立在二叉树的基础之上，普通二叉树的左节点小于父节点，右节点大于父节点。而2d-tree则分为两种情况，一层节点由X坐标区分，下一层节点则由Y坐标区分，依次交替。

由X坐标区分时左节点在父节点的左边，右节点在父节点的右边；由Y坐标区分时左节点在父节点的下面，右节点在父节点的上面。

构造2d-tree

在构造2d-tree时，如下图所示，

1. 根节点使用X坐标，将平面分为左右两边；
2. 插入节点2，2与1比较，在1的右边，因此插入1的右节点，使用Y坐标分割平面；
3. 插入节点3，3与1比较，在1的左边，插入1的左节点，使用Y坐标分割平面；
4. 插入节点4，4在1比较，在1的左边，与3比较，在3的下面，插入3的左节点，使用X坐标分割平面；
5. 插入节点5，5在1比较，在1的左边，与3比较，在3的下面，与4比较，在4的左边，插入4的左节点，使用Y坐标分割平面；
6. ……

Java实现

public boolean insert(Node node) {

    if (this.equals(node))
        return false;

    if (this.compareTo(node) > 0) {
        if (this.left != null)
            return thi