求最近点对

 求最近点对 就我所知道的 有三种算法，一是算法导论上给出的，用分治思想，时间复杂度为O（n log（n）），详细可见算法导论

第二种是网上给出的 随机算法  时间复杂度为O（n ），

原文如下：

对于给定的平面上的n个点(xi,yi)( i=1,2,…,n)和一个距离d，

以d为尺寸可以构造一个（逻辑上的）网格，

该网格以（min{xi},min{yj}）为网格的最左下点，

之后以步长d不断向右、向上伸展为长方形网格；

使得（max{xi},max{yj}）也含在其中。

由于所有的点均在长方形网格中，最近点对也必在其中。

对每个尺寸为d×d的方格，分别向左向上、向右向上、向左向下、

向右向下各扩展一格，可得4个2d×2d的方格 (i=1,2,3,4)。

定理：设已知平面上的某两点的距离为d。

若最近点对中的一个点落在某个d×d方格 中，

则在上述的4个2d× 2d方格 (i=1,2,3,4)中，

至少有一个同时含有最近点对的两个点。

推论：若已知平面上的某两点的距离为d，

  且算法对长方形网格中每一个2d×2d方格中的所有点对，

均一一计算其距离，则该算法一定可以找出最近点对。

算法：

在点集S(|S|=n)中随机地取一个子集T，使得|T|= ë û。

   （按随机取样算法的分析，n个中取m个（m≤n）时间为O(n)）

对T中的所有点对逐一计算距离，求出最近点对距离d(T)。

   （点对数为ë û( ë û-1)/2，每个点对计算时间为O(1)，

     故总的计算时间为O(ë û2)= O(n)。）

以d(T)为尺寸构造一个（逻辑上的）长方形网格，

（设长方形的横向共有m格，纵向共有r格。）

如果m*r≤cn(c可取2～10，取何值合适见后面的讨论)，

则开设一个m×r的指针矩阵P、和一个m×r的计数矩阵Q，

然后逐一扫描S中的点sk：

如果sk落在方格 中(i,j分别表示所在方格横向、纵向位置)，

则把该点放入P[i,j]所指的链表内，Q[i,j]增1，

直至n个点全部检查为止。

（每个点计算时间为O(1)，故总的计算时间为O(n)。）

然后扫描Q数组，找到含顶点最多的方格 。（时间为O(n)）

如果 中点数≤ ，则逐一计算 中的点距离（时间为O(n)），

求出其中的最近点对及新的d’（如果d’比d小的话）。

如果 中点数＞ ，则把 一分为4，成为4个 × 的方格，

找出其中含点最多的方格，一直拆分到方格中的点数≤ ，

求出其中的最近点对及新的d’（时间复杂度期望值是O(n)）。

若m*r＞cn，则在素数表中找一个略小于cn的素数p，

然后逐一检查S中的点sk，找到其所在方格 （时间为O(n)），

用散列函数H(i,j,p)把sk散列至长为p的桶中：

桶中的每个槽只对应一个方格 （若发生冲突，用冲突处理机制），

每个槽要记录方格中点的个数，各个点用链表连接起来。

S的检查完成以后，找到含点数最多的 方格（时间为O(n)），

用前述方法计算出该方格中的最近点对和新d’（如果d’比d小的话）。

以新d’为尺寸构造一个（逻辑上的）新网格，

设网格中的小方格数为m’×r’，则在这个网格中

恰有(m’-1)×(r’-1)个尺寸为2d’×2d’的方格。

由定理知，最近点对必定落在某个 之中。

逐一检查S中的点，依次把这些点放入(m’-1)×(r’-1)个指针

所指的链表中（或长度为p的散列表中）。（时间复杂度是O(n)）

6) 逐一检查含有2个点以上的方格 ，

对方格中的所有点对进行计算，与当前最小的d*比较，

若小于d*，则更新d*、更新当前的最近点对。

当所有含2个点以上的2d×2d方格检查完毕时，

点集中的最近点对也就找到了。根据概率分析，

此项工作的时间复杂度期望值是O(n)。

关于c的取值（c可取2～10）：

c取值大的好处是需要散列的可能性降低，可直接处理二维表，

且每一个格子中的顶点数相对要少，第6步中工作量减少；

坏处是循环次数增多。c取的小的好处、坏处则反之。

一般来说，若顶点较密集，则c要取的稍大。

（说来惭愧，我刚开始没看懂，晓文看懂后给我讲的，感谢他）

第三种是老杨上课讲的，时间复杂度也为O（n log（n））， 感觉借鉴了上诉两种思想，和第一种的划分方式有所不同，算法导论上是用垂线划分，老杨用面积划分，一次划分一半找到含点数最多的面积，在进行划分，直到省两个点，找到最近距离，然后按照 上诉第二种中的方法以此距离做网格，以点的横纵坐标分别排序，找相邻两点的最短距离（在中距离是用了技巧，当横坐标或是纵坐标的差的绝对值大于前面找的距离时，不进行比较，直接排除）。最后找到的最短距离即是所求。