Sebastion Lague 的一段視頻很好地解釋了 Bridson 的算法。過于簡單化，創建具有半徑/sqrt(2) 邊的單元格網格。放置初始點并將列表作為生成點。將點放入網格中的單元格中。對于任何生成點，生成半徑和 2*radius 之間的點。查看距離新點單元格 2 個單位的單元格。如果包含其他點，則比較距離。如果任何點比半徑更接近新點，則新點無效。如果新點有效，則將新點列為生成點并放入網格中的單元格中。如果 spawnpoint 生成了太多無效點，則 spawnpoint 將被刪除并變成點。重復直到不再存在生成點。返回積分。我在 Python 3.7.2 和 pygame 1.7~ 中基本上寫了同樣的東西，但正如標題中所說，我陷入了遞歸煉獄。我為這個算法使用了一個 Point() 類，考慮到 pygame.Vector2() 存在，這似乎是多余的，但我需要一些元素用于需要這個類才能工作的單獨算法（具有無限頂點的 Delaunay）。為了簡單起見，我將刪除所有特定于 Delaunay 的元素，并展示該算法所需的此類的基本框架：class Point:    def __init__(self, x, y):        self.x = x        self.y = y    def DistanceToSquared(self,other):        return (self.x-other.x)**2 + (self.y-other.y)**2與 Bridson 算法相關的代碼是：def PoissonDiskSampling(width, height, radius, startPos = None, spawnAttempts = 10):    if startPos == None:        startPos = [width//2,height//2]    cellSize = radius / math.sqrt(2)    cellNumberX = int(width // cellSize + 1)  # Initialise a cells grid for optimisation    cellNumberY = int(height // cellSize + 1)    cellGrid = [[None for x in range(cellNumberX)] for y in range(cellNumberY)]    startingPoint = Point(startPos[0],startPos[1]) # Add an iniial point for spawning purposes    cellGrid[startingPoint.x//radius][startingPoint.y//radius] = startingPoint    points = [startingPoint] # Initialise 2 lists tracking all points and active points    spawnpoints = [startingPoint]    while len(spawnpoints) > 0:        spawnIndex = random.randint(0,len(spawnpoints)-1)        spawnpoint = spawnpoints[spawnIndex]        spawned = False        for i in range(spawnAttempts):            r = random.uniform(radius,2*radius)            radian = random.uniform(0,2*math.pi)            newPoint = Point(spawnpoint.x + r*math.cos(radian),                            spawnpoint.y + r*math.sin(radian))            if 0 <= newPoint.x <= width and 0 <= newPoint.y <= height:                isValid = True            else:                continue