邻居搜索问题在CUDA上基于KD-TRIE方法的优化与实现

介绍如何在CUDA上搭建KD—TRIE，并对其进行搜索，使其能适应解决邻居搜索问题．实验结果表明，当搜索半径较小（如整个空间直径的0．01和0．001），数据规模较大（如10^6）时，使用KD-TRIE进行搜索的效果最佳，与蛮力算法相比可以达到加速比5000～15000倍的效果；当搜索半径较大时，加速比会相应减少．采取优化措施，可以提高加速比．