關於this question的闡述，但有更多限制。歐幾里得數據密度可變的簡單k最近鄰算法？
這個想法是相同的，找到一個簡單，快速的2個歐幾里德維數最近的鄰居算法。如果您可以找到適合分區數據的網格大小，則分流網格似乎可以很好地工作。但是，如果數據不是均勻分佈的，而是密度非常高和非常低的地區（例如美國人口），那麼沒有固定的電網規模可以保證足夠的鄰居和效率？這種方法是否仍能挽救？
如果沒有，其他的建議將是有益的，但我希望的答案比移動到KD樹那麼複雜等
你有看嗎？
http://www.cs.sunysb.edu/~algorith/major_section/1.4.shtml
KD樹是實現很簡單，有標準的Java/C實現。
另外：
你可能想在這裏發表您的問題：
如果你沒有太多的元素，只是比較每一個與所有其他人。這可能會比你想象的要快得多;今天的機器是快速。不幸的是，平方因素遲早會抓住你;我認爲對一百萬個物體的線性搜索不需要太長的時間，所以你可能會有多達1000個元素。使用網格，甚至條紋，可能會大大提高這個數字。
但我認爲你被困在四叉樹（k-d樹的特定形式）。你的整個地圖是一個塊，其中可以包含四個子塊（左上，右上，左下，右下）。當一個塊填充的元素多於你想進行線性搜索時，將其分解爲更小的元素並傳輸元素。 （只有葉節點具有元素。）在給定點的給定半徑內進行搜索很容易。從頂部開始，如果塊的一部分位於點的範圍內，請檢查它的子塊是否具有相同的方式。如果沒有，請檢查其元素。 （當搜索「最接近」時，要小心，方格意味着距離較近的物體可能位於一個更遠的區域內，必須將所有物體都放在給定的半徑內，然後檢查它們是否全部如果你想要10最接近，你的半徑20只拿起5，你需要嘗試更大的半徑，你可能有一個被拒絕的項目，證明是30遠，認爲你應該抓住它和其他幾個人來彌補你的10。可能是25個客場中的一些物品，整個街區都被拒絕了，而你卻想要它們，應該有更好的解決方案，但我還沒有弄明白，我只是猜測半徑和雙倍直到我得到足夠的。）
Quadtrees很有趣。如果你可以設置你的數據然後訪問它，那很容易。當你試圖找出誰在接近什麼時，你的映射元素出現，消失和移動時會出現問題。