如何在 Haskell 中实现一个快速、懒惰的 KDTree？答案

【问题标题】：How to implement a fast, lazy KDTree in Haskell?如何在 Haskell 中实现一个快速、懒惰的 KDTree？
【发布时间】：2013-12-03 19:32:02
【问题描述】：

我正在尝试在 Haskell 中实现一个 kdtree（请参阅 implementation），但我尝试在实现最近邻算法时变得聪明并利用 Haskells 的惰性（请参阅第 46 行）。

虽然它在技术上是正确的，但就是：

minimumBy (compare `on` qd q) vs == head . nearestNeighbours (kdtree 5 vs) $ q
==> True

基于 kdtree 的版本要慢得多（标准：5.38 毫秒 vs 138.44 毫秒，数据点为 500k）。我最初认为这是由于 ordMerge（第 59 行）中的模式匹配过于严格，但我重写了它，根据我的理解，bs 现在应该只根据需要进行评估。

如果是这种情况，算法应该只下降到匹配的桶，并在检查当前最佳最近邻居是否真的是最佳候选时重新下降。

我做了一些分析，nearestNeighhbors 被调用了大约 800 次。给定 8 和 100 个测试用例的树深度，这听起来很合理，不是吗？

刚刚将我的代码上传到github：https://github.com/fhaust/threesg

这应该让你开始：

git clone https://github.com/fhaust/threesg
cd threesg
cabal sandbox init
cabal install --enable-benchmarks --enable-tests
cabal test
cabal bench --benchmark-options="+RTS -K100M -RTS"

（需要-K100M，因为测试集是从 500k 点创建的）

在为 github 创建测试集时，我注意到在正态分布点上，kdtree 搜索的运行速度比线性搜索快很多……可能我的问题不是算法……而是我的测试集:(

【问题讨论】：

您是否尝试分析此功能？ haskell.org/ghc/docs/7.2.1/html/users_guide/profiling.html
是的......但这对我没有帮助。它大部分时间都花在nearestNeighbors.nnl 和nearestNeighbors.nnr。
你是在比较 kd 树的构造，然后用蛮力找到最近的邻居找到它的最近邻居吗？
@DiegoNolan ...在进行基准测试之前不强制kdtree。我希望我写的the NFData instance是正确的。
你有我们可以使用的main 函数和示例数据吗？我注意到的主要事情是ordMerge 可能没有被内联，as it's recursive：尝试应用蹩脚的静态参数转换技巧，或尝试ordMerge f q p n d = go where go = ...（更好的无点样式），因此递归在常量参数上是封闭的。希望结合dist' 的内联将f 到p 和q 的应用程序共享暴露给编译器。让我们知道您发现了什么

标签： haskell lazy-evaluation nearest-neighbor kdtree

【解决方案1】：

最后，这是一个跟踪评估顺序的问题。我在github上传了最新版本。

看看line 74：只有当第一个列表的第一个条目不符合“不可能有更好的候选人”标准时，才会评估第二个列表。

适当的标准，我做了一些benchmarking 并且 kd-tree 确实更快。

您如何看待这个解决方案？我认为代码非常简洁易读。是否有任何明显的性能损失？

【讨论】：