即查找点集中欧式距离最近两点。
1.一维空间
可以通过将点集中的所有点排序,进行线性扫描即可找到最近点对。
显然我们只需要比较中间没有其他点的两个点之间的距离并更新它就可以,按理来说n个点就有n-个这样的距离需要我们比较。
使用分治计算:
2、3都是O(n)的,可见Selecton问题的结论。
Merge阶段的时间复杂度呢?
每用中位数坐标分一次都代表着需要将结果归并一次。对于n个输入能够分O(n)次,进行了O(n)级别的比较操作。
算法的时间复杂性分析:
2.二维空间
这里设定点集以及按x、y轴坐标排好序存储了。
如果横、纵坐标的直线距离都超过了d那两点间距离更是不用说了。
证明: 对于左临界区中的每个点p,p-右邻域中至少包含6个点。
算法的时间复杂性为:
(显然左数组首位与右数组首位在纵坐标上距离就不符合条件。因此左数组后面的所有值都不会与右数组首位匹配。右指针+1)
……跳转到算法结束:
外层for循环耗时O(n),内层for循环耗费常数时间。
之前我们假设Q中的点已经按x坐标和y坐标排序后存储在X和Y中了,及时不做这个假设我们自己排一次也只花O(nlogn)的代价捏。