我有一个基于约束构造随机图像的应用程序。随机选择不同颜色的像素并将其放置在满足所有约束的网格中。例如（简化），可能有一个约束，如果蓝色或绿色像素位于 (0,-1)，红色像素位于 (-1,-1) 和 (-1, 0)，则放置禁止白色像素。这些坐标是来自当前放置位置（即其邻域）的向量。
现在我将约束存储在一个数组中并循环遍历它们，检查每个约束是否适用。我必须对放置在网格中的每个像素执行此操作。因此，随着添加更多约束，性能会受到影响。此外，两个约束可能会发生冲突，但检查起来并不容易。
我认为图形类型的数据结构（树？）可能是一种存储所有约束的方法，这样我就可以从像素邻域中快速确定哪些（如果有的话）约束适用。但我不太清楚如何使这样的结构工作，因为单个坐标可以包含多种颜色，以及如何将一组坐标/颜色与一组禁止的像素颜色联系起来。有什么想法吗？
【问题讨论】：
标签： data-structures pattern-matching
没有使用过模式匹配，但想到的是：
以通常的图形 ds 为例，其中顶点将是您的向量，边将是连接它们的禁止颜色。 在这里，您可以将所有顶点相互连接起来，更理想的做法是采用一些您将使用的方向来填充您的 ds，当您将通过像素阵列时，您应该使用相同的起点和方向。 从您的示例中，如果您从 (0,-1) 顺时针方向开始，它将类似于： (0,-1) --blue-- (-1, -1), (0,-1) --green- - (-1, -1), (-1, -1) --red -- (-1, 0), (-1, 0) --red--(-1, 1), (-1, 1) --white--(0, 1), (-1, 1) --white-- (1, 1), (-1, 1) --white-- (1, 0)
现在使用 DFS 搜索颜色进行检查（它将是边缘）
【讨论】：
在我看来，一个方便的选择是 kd-tree。通过将约束存储在 kd-tree 中，您可以访问适用于最近邻类型查询的约束。
我建议你看看这本书Algorithms in a Nutshell。您可以找到可能适用于您的问题的 kd 树的 easy implementation。
但是，请记住，如果约束在您的场景中分布不均匀，则生成的树可能不会很好地平衡。在这种情况下，您应该为约束找到更好的表示，否则算法的实际复杂度将更接近最差值 O(n)，而不是平均（和最佳）值 O(log n)。
【讨论】：
您可以使用图形切割来解决这个问题。它甚至会处理提到的冲突。这基本上是它的工作原理：它尝试根据您希望最小化的成本函数分配标签。对于您的情况，成本函数可能类似于：
E(x)=infinite ; if constraint is violated
and 0 ; otherwise
图割将分配最小化此成本函数的标签。另外，它非常快速和高效，并且收敛到最小值。看看以下两个参考：
第二个链接提供了用于图形切割的现成代码，您可以在其中使用自己的成本函数，该成本函数将被最小化（并且可能取决于您的情况下的邻居值）。
【讨论】：
对于这个问题，您可以使用不同类型的树。
这似乎是一个广泛研究的话题，可能答案会比正常的 SO 答案长得多。参考下一个链接：
【讨论】：