โครงสร้างข้อมูลที่คุณสนใจคือแผนผังต้นไม้ นั่นคือพวกเขาสนับสนุนการค้นหาที่มีประสิทธิภาพในพื้นที่เมตริก พื้นที่เมตริกถูกสร้างขึ้นโดยชุดของวัตถุและฟังก์ชั่นระยะทางที่กำหนดในหมู่พวกเขาตอบสนองความไม่เท่าเทียมกันสามเหลี่ยม เป้าหมายคือให้ชุดของวัตถุและองค์ประกอบแบบสอบถามเพื่อดึงวัตถุเหล่านั้นใกล้กับแบบสอบถาม
เนื่องจากปัญหาด้านการสืบค้นอักษรทุกที่ในวิทยาการคอมพิวเตอร์มีขนาดใหญ่ปริมาณของต้นไม้ตัวชี้วัดที่แตกต่างกัน อย่างไรก็ตามพวกมันสามารถแบ่งออกได้เป็นสองกลุ่ม: pivot-based และ clustering based (และแน่นอนว่ามีลูกผสมเช่นกัน) การสำรวจที่ดีคืออีชาเวซ et al., ค้นหาในเมตริก Spaces 2001 ดูตัวอย่างตอนที่ 5: โซลูชั่นปัจจุบันเป็นช่องว่างการวัดหน้า 283
ที่นั่นในตารางที่ 1 ชาเวซและคณะ พิจารณาต้นไม้ที่แตกต่างกัน 16 ต้น พวกเขานำเสนอความซับซ้อนของพื้นที่ความซับซ้อนของการก่อสร้างความซับซ้อนของการอ้างสิทธิ์และเวลาสืบค้น CPU เพิ่มเติมสำหรับแต่ละรายการ (ถ้าทราบ) หากคุณไม่สนใจเกี่ยวกับความซับซ้อนของการก่อสร้างมากเกินไปความซับซ้อนของแบบสอบถามสำหรับต้นไม้ BK คือโดยที่ขึ้นอยู่กับช่วงของการค้นหาและโครงสร้างของพื้นที่ . หรือถ้าคุณไม่มีองค์ประกอบจำนวนมากให้ดูที่ AESA (ประมาณการขจัดอัลกอริธึมการค้นหา) มันช้าในการสร้างและจัดเก็บสำหรับพื้นที่ขนาดใหญ่ (เวลาและพื้นที่ช้า) โดยไม่ได้รับการยอมรับ แต่แสดงให้เห็นว่ามีการทดลองเพื่อให้มีเวลาสอบถาม0 < α < 1 O ( n 2 ) O ( 1 )O ( nα)0 < α < 1O(n2)O(1)
ชาเวซและคณะ นอกจากนี้ยังให้ภาพรวมที่ดีของต้นไม้อื่น ๆ และการอ้างอิงที่เป็นธรรมชาติมากขึ้นหากมีใครสนใจประกายไฟของคุณ ในทางปฏิบัติประสิทธิภาพการทำงานของต้นไม้ต่าง ๆ มักจะประเมินการทดลอง ฉันคิดว่ามันขึ้นอยู่กับโครงสร้างของอวกาศเป็นอย่างมาก ดังนั้นจึงเป็นการยากที่จะบอกว่าต้นไม้ใดโดยเฉพาะจะมีประสิทธิภาพมากที่สุดในกรณีของคุณ อย่างไรก็ตามฉันคิดว่ามันเป็นความคิดที่ดีที่จะไปกับคนที่ง่ายที่สุดก่อน ถ้าต้นไม้ BK เป็นไม้ที่ง่ายที่สุดในการสร้างลองใช้มันก่อน หากพวกเขาไม่ตอบสนองความต้องการของคุณลงทุนเวลา (และเวลาการเขียนโปรแกรม) ในการรวบรวมข้อเท็จจริงเพิ่มเติมเกี่ยวกับพื้นที่ของคุณที่สามารถช่วยให้คุณตัดสินใจอย่างชาญฉลาดมากขึ้น