如何优化欧氏距离计算？矩阵点距离计算提速方法咨询

针对你这段遍历10000×10000矩阵计算欧氏距离的代码，以下是几个直接有效的优化方向：

• 预分配List容量，避免频繁扩容
  原代码中List默认初始容量很小，每次Add操作超过当前容量时，都会触发数组扩容（通常是翻倍）并复制现有元素，1亿量级的元素会导致多次扩容，开销极大。可以先统计非't'元素的数量，直接初始化对应容量的List：

  // 先统计非't'元素总数
  int nonTCount = 0;
  for (int i = 0; i < 10000; i++)
  {
      for (int r = 0; r < 10000; r++)
      {
          if (fields[i, r] != 't') nonTCount++;
      }
  }
  // 初始化对应容量的List，避免后续扩容
  List<Tuple<int, int, double>> tuples = new List<Tuple<int, int, double>>(nonTCount);
  

  如果不想额外遍历统计，也可以直接设置初始容量为10000*10000，彻底避免扩容操作。

• 替换Math.Pow为整数乘法，削减浮点运算开销
  Math.Pow是通用幂运算函数，针对整数平方场景，直接用(i-x)*(i-x)替代Math.Pow(i-x,2)，能避免不必要的浮点转换和通用计算逻辑，速度提升明显：

  int dx = i - x;
  int dy = r - y;
  double distance = Math.Sqrt(dx * dx + dy * dy);
  

• 用自定义结构体替代Tuple，降低对象创建开销
  Tuple虽然是值类型，但每次Tuple.Create仍有一定的初始化开销。自定义结构体更轻量，字段语义也更清晰：

  // 自定义结构体存储点坐标和距离
  public struct PointWithDistance
  {
      public int Row;
      public int Col;
      public double Distance;
  
      public PointWithDistance(int row, int col, double distance)
      {
          Row = row;
          Col = col;
          Distance = distance;
      }
  }
  
  // 使用时直接实例化结构体
  List<PointWithDistance> distances = new List<PointWithDistance>(nonTCount);
  distances.Add(new PointWithDistance(i, r, distance));
  

• 并行化循环，利用多核CPU资源
  每个点的距离计算完全独立，没有依赖关系，可以用Parallel.For并行处理行遍历，充分利用多核CPU。注意List不是线程安全的，推荐每个线程维护独立子列表，最后合并：

  int coreCount = Environment.ProcessorCount;
  List<PointWithDistance>[] threadLists = new List<PointWithDistance>[coreCount];
  for (int t = 0; t < coreCount; t++)
  {
      threadLists[t] = new List<PointWithDistance>();
  }
  
  Parallel.For(0, 10000, i =>
  {
      // 分配当前线程对应的子列表
      int threadIndex = Thread.CurrentThread.ManagedThreadId % coreCount;
      var subList = threadLists[threadIndex];
      
      for (int r = 0; r < 10000; r++)
      {
          if (fields[i, r] != 't')
          {
              int dx = i - x;
              int dy = r - y;
              double distance = Math.Sqrt(dx * dx + dy * dy);
              subList.Add(new PointWithDistance(i, r, distance));
          }
      }
  });
  
  // 合并所有子列表
  List<PointWithDistance> finalList = new List<PointWithDistance>(nonTCount);
  foreach (var list in threadLists)
  {
      finalList.AddRange(list);
  }
  

• 省略开根号（业务允许的情况下）
  如果后续只需要比较距离远近，不需要精确的欧氏距离值，可以直接存储平方距离（dx*dx + dy*dy），完全省去Math.Sqrt的浮点运算开销，这是最显著的优化之一：

  public struct PointWithSquaredDistance
  {
      public int Row;
      public int Col;
      public long SquaredDistance;
  
      public PointWithSquaredDistance(int row, int col, long squaredDistance)
      {
          Row = row;
          Col = col;
          SquaredDistance = squaredDistance;
      }
  }
  
  // 计算时直接用整数运算，避免浮点转换
  long squaredDist = (long)dx * dx + (long)dy * dy;
  

内容的提问来源于stack exchange，提问作者Sneikso34