decluster

本演示使用一个自定义的去簇化算法来执行对点的随机搜索，使得每个点与其他所有点至少保持指定的最小距离。它在一个初始的随机化二维点集合上工作，找到并替换簇以新的随机点，直到找到一个可行的去簇化集合。

基本用法

use decluster::Canvas;

pub fn main() {
    let point_count = 500;
    let min_distance = 66;

    Canvas::new(point_count, min_distance).show();
}

示例

有关更多说明和工作示例，请参阅随此库一起提供的 decluster_demo 示例。演示的源代码位于 examples 目录下。

要编译和运行示例，请使用

> cargo run --example decluster_demo --release

运行之后，可以调整 point_count 和 min_distance 参数，找到存在但越来越难以找到的可行集的有趣临界点。

例如，在屏幕大小为 [2560, 1440] 且点数为 500 的情况下，最小距离在 65 到 70 之间时达到平衡点。

在这些数字下，存在一组有限的可行分布，这些分布能够容纳所有点同时保持指定的最小距离。因此，您将看到算法在最终确定一个可行的分布之前需要花费一些时间。将最小距离稍微增加一点，难度将进一步提高，直到最终没有可行的解决方案，算法将循环。

之前 - 点的初始随机分布

之后 - 每个点之间至少有最小距离的可行分布点集