一种简单的想法是暴力枚举每两个点,记录最小距离,显然,时间复杂度为O(n^2)。
在这里介绍一种时间复杂度为O(nlognlogn)的算法。其实,这里用到了分治的思想。将所给平面上n个点的集合S分成两个子集S1和S2,每个子集中约有n/2个点。然后在每个子集中递归地求最接近的点对。在这里,一个关键的问题是如何实现分治法中的合并步骤,即由S1和S2的最接近点对,如何求得原集合S中的最接近点对。如果这两个点分别在S1和S2中,问题就变得复杂了。
为了使问题变得简单,首先考虑一维的情形。此时,S中的n个点退化为x轴上的n个实数x1,x2,...,xn。最接近点对即为这n个实数中相差最小的两个实数。显然可以先将点排好序,然后线性扫描就可以了。但我们为了便于推广到二维的情形,尝试用分治法解决这个问题。
假设我们用m点将S分为S1和S2两个集合,这样一来,对于所有的p(S1中的点)和q(S2中的点),有p<q。
递归地在S1和S2上找出其最接近点对{p1,p2}和{q1,q2},并设
d = min{ |p1-p2| , |q1-q2| }
由此易知,S中最接近点对或者是{p1,p2},或者是{q1,q2},或者是某个{q3,p3},如下图所示。
如果最接近点对是{q3,p3},即|p3-q3|<d,则p3和q3两者与m的距离都不超过d,且在区间(m-d,d]和(d,m+d]各有且仅有一个点。这样,就可以在线性时间内实现合并。
此时,一维情形下的最近点对时间复杂度为O(nlogn)。
在二维情形下,类似的,利用分治法,但是难点在于如何实现线性的合并?
由上图可见,形成的宽为2d的带状区间,最多可能有n个点,合并时间最坏情况下为n^2,。但是,P1和P2中的点具有以下稀疏的性质,对于P1中的任意一点,P2中的点必定落在一个d X 2d的矩形中,且最多只需检查六个点(鸽巢原理)。
这样,先将带状区间的点按y坐标排序,然后线性扫描,这样合并的时间复杂度为O(nlogn),几乎为线性了。
#include <algorithm>
#include <iomanip>
#include <cmath>
#include <cstdio>
#include <fstream>
#include <iostream>
using namespace std;
struct node{
double x;
double y;
}a[100005];
int q[100005];
double find (int,int);
double min (double,double);
double dis(node,node);
double cmpx(node,node);
double cmpy(int,int);
int main()
{
int t;
while (scanf("%d",&t)!=EOF)
{
if (!t) break;
for (int i=0;i<t;i++)
scanf("%lf%lf",&a[i].x,&a[i].y);
sort(a,a+t,cmpx);
printf("%.2f\n",find(0,t-1)/2);
}
return 0;
}
double cmpx(node a,node b)
{
return a.x<b.x;
}
double cmpy(int w,int e)
{
return a[w].y<a[e].y;
}
double min(double a,double b)
{
return a<b?a:b;
}
double dis(node a,node b)
{
return sqrt((a.x-b.x)*(a.x-b.x)+(a.y-b.y)*(a.y-b.y));
}
double find(int l,int r)
{
double ans;
if (r==l+1) return dis(a[r],a[l]);
if (r==l+2) return min(dis(a[l],a[l+1]),min(dis(a[l+1],a[r]),dis(a[l],a[r])));
int mid=(l+r)>>1;
ans=min(find(l,mid),find(mid+1,r));
int c=0;
for (int i=l;i<=r;i++)
if ((a[i].x>=a[mid].x-ans)&&(a[mid].x+ans>=a[i].x)) q[c++]=i;
sort(q,q+c,cmpy);
for (int i=0;i<c;i++)
for (int j=i+1;j<c;j++){
if (a[q[j]].y-a[q[i]].y>=ans) break;
ans=min(ans,dis(a[q[i]],a[q[j]]));
}
return ans;
}