求點集中的最近點對有以下兩種方法:
設p1=(x1, y1), p2=(x2, y2), …, pn=(xn, yn)是平面上n個點構成的集合s，設計演算法找出集合s中距離最近的點對。
1、蠻力法（適用於點的數目比較小的情況下）
1）演算法描述：
已知集合s中有n個點，一共可以組成n(n-1)/2對點對，蠻力法就是對這n(n-1)/2
對點對逐對進行距離計算，
通過迴圈求得點集中的最近點對：
2）**描述：
[cpp]view plain
copy
print?
double
mindistance =
double
.maxvalue；
//設定乙個mindistance儲存最近點對的距離，初始值為無窮大
intpointindex1,pointindex2；
//設定pointindex1,pointindex2分別儲存最近點對的兩個點編號
for(i=1; i
//迴圈計算n(n-1)/2對點對的距離
} }
3）演算法時間複雜度：演算法一共要執行 n(n-1)/2次迴圈，因此演算法複雜度為o(n2)
2、分治法
1）演算法描述：
已知集合s中有n個點，分治法的思想就是將s進行拆分，分為2部分求最近點對。演算法每次
選擇一條垂線l，將s拆分左右兩部分為sl和sr，l一般取點集s中所有點的中間點的x座標來劃分，這樣可以保證sl和sr中的點數目各為n/2，
（否則以其他方式劃分s，有
可能導致sl
和sr中點數目乙個為1，乙個為n-1，不利於演算法效率，要盡量保持樹的平衡性）
依次找出這兩部分中的最小點對距離：δl和δr，記sl和sr中最小點對距離δ = min（δl，δr），如圖1：
以l為中心，δ為半徑劃分乙個長帶，最小點對還有可能存在於sl和sr的交界處，如下圖2左圖中的虛線帶，p點和q點分別位於sl和sr的虛線範圍內，在這個範圍內，p點和q點之間的距離才會小於δ，最小點對計算才有意義。
對於sl虛框範圍內的p點，在sr
虛框中與p點距離小於δ的頂多只有六個點，就是圖二右圖中的2個正方形的6的頂點。這個可以反推證明，如果右邊這2個正方形內有7個點與p點距離小於
δ，例如q點，則q點與下面正方形的四個頂點距離小於
δ，則和δ為
sl和s
r中的最小點對距離相矛盾。因此對
於sl虛框中的p點，不需求出p點和右邊虛線框內所有點距離，只需計算sr中
與p點y座標距離最近的6個點，就可以求出最近點對，節省了比較次數。
（否則的話，
最壞情形下，在s
r虛框中有可能會有n/2個點，對於s
l虛框中的p點
，每次要比較n/2次，浪費了演算法的效率
）**描述：
1）對點集s的點x座標和y座標進行公升序排序，獲得點集sx和sy
2）令δ
=∞; //δ為最小點位距離
3）divide_conquer（sx，sy
，δ） //分治法
if （sx.count=1） thenδ=∞; //如果sx
中只有乙個點，則δ=∞
returnδ;
else if（sx.count=2 and d（sx.[0],sx.[1]）
中只有2個點，則δ為兩點之間距離
δ=d（sx.[0], sx.[1]）;
return δ;
else //如果sx
中多於2個點，則將sx
,sy分治，以中心點畫線，將sx
分為左右兩部分sxl
和sxr
，sy分為syl和s
yr j1=1,j2=1,k1=1,k2=1;
mid =sx.count/2; //mid為sx
中的中間點點號
l =sx.[mid].x; //l為sx
中的中間點x座標
for(i=1,ix.count,i++)
δl = divide_conquer（sxl，syl
，δ）; //獲取sx
中的的最小點位距離δl
δr = divide_conquer（sxr，syr
，δ）; //獲取sy
中的的最小點位距離δr
δ= min (δl,δr);
δ=merge(syl，syr
，δ); //獲sx
中sy交界處的最小點位距離，並綜合 δl
和δr 求出點集的最小點位距離δ
returnδ;
函式merge(syl，syr
，δ)merge(syl，syr
，δ)
for(i=1,iyr.count,i++) //獲取syr
中在右邊虛框(距離小於δ)內的點，存入到s'yr中，新陣列保持原來的公升序性質
t=1;
for(i=1,iyl.count,i++)
for( j= max(1,t-3), j<=min(t+3,s'yr.count),j++) //計算s'yr中的點與s'yl[t]y座標相鄰的六個點的距離
return δ }
3）演算法時間複雜度：
首先對點集s的點x座標和y座標進行公升序排序，需要迴圈2nlogn次，複雜度為o(2nlogn)
接下來在分治過程中，對於每個s'yl中的點，都需要與s'yr中的6個點進行比較
o(n)= 2o(n/2) + (n/2)*6 （乙個點集劃分為左右兩個點集，時間複雜度為左右兩個點集加上中間區域運算之和）
其解為o(n)< o(3nlogn)
因此總的時間複雜度為o(3nlogn)，比蠻力法的o(n2)要高效。
最近點對問題
在n n 1 個點的集合中尋找最近點對。即求任意兩點的歐幾里得距離的最小值。1 最簡單的暴力搜尋演算法，時間複雜對為o n n 2 這裡主要考慮分治演算法，執行時間的遞迴式為t n 2 t n 2 o n 時間複雜度為o n lgn 演算法思想 將集合中的點按x座標排序，我們可以想象一條垂直的直線將...
最近點對問題
在二維平面上的n個點中，如何快速的找出最近的一對點，就是最近點對問題。一種簡單的想法是暴力列舉每兩個點，記錄最小距離，顯然，時間複雜度為o n 2 在這裡介紹一種時間複雜度為o nlognlogn 的演算法。其實，這裡用到了分治的思想。將所給平面上n個點的集合s分成兩個子集s1和s2，每個子集中約有...
最近點對問題
最近點對問題，是分治法的乙個典型應用，可以作為分治法入門的乙個切入點。最近點對問題的描述比較簡單，在二維平面中，給定一堆點，求距離最近的一對點，思路是，講這一堆點分為兩部分，左域與右域，如何劃分左域右域呢?我們知道，這一堆點，每乙個點都有其橫座標，假如有十個點，對應十個橫座標，我們就取其中間數，然後...