v-detector演算法[49, 50]中自我個體的覆蓋範圍是按超球體進行運算的。為與v-detector演算法相比較，在實驗中pt-rnsa採用與v-detector演算法相同的自我自我個體形狀。在二維空間內，本文所使用的自我個體也同樣是圓形。從而，如何判斷長方形是否與圓相交成為乙個在pt-rnsa程式設計實現時要解決的問題。
因為長方形與長方形比較容易判斷是否相交，因此可以通過判斷長方形與圓的外切正方形是否相交來間接判斷長方形與圓是否相交。
當長方形與圓的外切正方形不相交時，則長方形與圓也肯定不相交，如圖2.9（a）。
當長方形與圓的外切正方形相交時，長方形與圓不一定相交，如圖2.9（b）所展示的情況。對此情況，還需做進一步的判斷。
判斷方法如下：記錄下與圓的外切正方形相交的長方形的那個邊角方向的頂點，然後計算此頂點與圓中心點的距離。根據此距離與圓半徑的大小關係來判斷二者是否相交。如果此距離大於圓的半徑，則說明不相交，否則，則說明二者相交。
圖2.10給出了判斷長方形與圓是否相交的偽**。
if（長方形與圓的外切正方形不相交） then
長方形與圓不相交；
else
圖2.10判斷長方形與圓是否相交的偽**
需要說明的是，自我個體也完全可以看作是乙個超正方體或其它形狀。
與傳統的實值檢測器生成演算法相比，pt-rnsa為一確定性演算法，其檢測器不是隨機生成的。pt-rnsa的乙個主要優勢體現在，它可以確保除了自我邊界區域的非我空間外，其它全部的非我空間均被成熟檢測器所平鋪覆蓋。
由圖2.11可以觀察到，對於v-detector，因為其檢測器都是隨機生成的，因此有可能會使很多檢測器聚集在某一非我區域，而其它某些非我區域卻又可能缺少足夠的檢測器來覆蓋，如圖2.11（a）。與之相反，pt-rnsa所生成的成熟檢測器將平鋪覆蓋非我空間，未被成熟檢測器所覆蓋的非我區域僅存在於自我區域的邊界處。另外，pt-rnsa生成的成熟檢測器之間沒有交叉覆蓋情況，如圖2.11（b）。
為了盡可能大的覆蓋整個非我區域，pt-rnsa可能需要生成相對多的成熟檢測器。有時，為了獲得更好的檢測率，其所需要的成熟檢測器數目可能會非常多，但是這個問題可以通過合併成熟檢測器的方式解決。
圖2.12（a）、圖2.12（b）是對圖2.11（b）中的成熟檢測器集的兩種不同的合併方式。可以觀察到，通過圖2.12（a）的合併相鄰成熟檢測器的方式，成熟檢測器數目已由圖2.11（b）的20個降低至圖2.12（a）的9個，而通過圖2.12（b）合併相鄰檢測器的方式，成熟檢測器數目已由圖2.11（b）的20個降低至圖2.12（b）的7個。雖然成熟檢測器的數目少了，但是成熟檢測器所覆蓋的非我空間範圍並沒有發生變化，並且成熟檢測器之間依然沒有交叉覆蓋情況。
本章詳細介紹了基於劃分-測試的實值檢測器生成演算法（pt-rnsa），並用相關測試資料集進行效能測試。實驗結果顯示，該演算法具有成熟檢測器生成代價低，成熟檢測器無交叉，非我空間被均勻覆蓋等優點。但是該演算法也有其明顯的不足之處，主要在於，要達到一定的檢測率，其所需要生成的成熟檢測器數目往往很多。因此，在本文的第三章中，將在pt-rnsa的基礎上進一步改進，提出了基於劃分-測試-擴充套件的實值檢測器生成演算法。
演算法小討論
舉例說 假設你們班級有30個人，假設按照成績高低已經把試卷排列好了，你想找出數學成績在75分的人。第一種辦法，就是簡單的順次查詢，找到就退出。複雜度o n 第二種辦法，把試卷分兩羅，大概在中間那張如果小於75分，就把上邊的再分兩羅再執行上邊步驟，按照這個辦法找到為止。每次輸入範圍是上次的一半，遞迴，...
資料結構與演算法小總結
最近學過了結構與演算法，來總結一些！資料結構定義 資料結構是一種儲存和組織資料得方式，資料結構有著資料的邏輯結構 資料的儲存結構以及資料的運算等！資料的邏輯結構 通過集合 線性結構 樹形結構 圖形結構這幾種關係結構來反映資料元素之間的關係。資料的運算 對資料附加的操作，通過對資料依某種模式而建立起來...
Cristiano的資料結構與演算法緒論小部分概括
一 程式設計的概念 1 程式設計的實質是資料表示和資料處理，資料要能被計算機處理，首先必須能夠儲存在計算機記憶體中，這項任務稱為資料表示 乙個實際問題的求解必須滿足各項處理要求，這項任務稱為資料處理 2 其中資料表示的核心是資料結構 資料處理的核心是演算法 3 因此，資料結構 演算法 程式 二 資料...