【任意维空间内最接近点对问题】随机旋转坐标系法、期望O(n)

本来2维平面内的最接近点对问题是有O(nlogn)的算法的，但那个分治算法实用性不强

盾盾想到了一个十分飘逸的算法：

   随机旋一下系，按x排序然后直接裸找+break即可

通常情况下直接按x排序裸找是会被某些数据卡到的（某些无聊的同学就不要说按y排之类的话了）

但是，为什么会被卡到？无非就是点全排在一排上就break不动了嘛！

那我们随机旋系不就随便数据怎么搞都不容易被卡到了吧！

因此该算法有O(快排+k*n)的复杂度，实际测试中该算法的成绩也相当不错，求3维空间内最接近点对，n=1000000都可以5s之内出解（由于有实数运算的存在，拖大了常数）

不仅如此，该算法的可扩展性是非常好的，任意维空间内都是可以这样做的，而且编程复杂度极其之低（差不多一个快排就可以了）

具体实现的时候其实不必真正去旋转坐标系，只要随机一个向量，然后按所有点在这个向量上的投影长度（用点积）为关键字排序即可

附代码（求三维空间内最接近点对，距离的定义就是欧式距离不开根号）：

program syj; const e=1e-8; maxn=1000005; var n,i,j:longint; k:real; xx,yy,zz,ans,tmp:int64; b:array[1..maxn]of longint; a,x,y,z:array[1..maxn]of int64; c:array[1..maxn]of real; procedure sort(l,r:longint); var i,j:longint; k,z:int64; begin i:=l;j:=r;k:=a[(l+r)>>1]; repeat while k-a[i]>e do inc(i); while a[j]-k>e do dec(j); if i<=j then begin z:=a[i];a[i]:=a[j];a[j]:=z; z:=b[i];b[i]:=b[j];b[j]:=z; inc(i);dec(j); end; until i>j; if l<j then sort(l,j); if i<r then sort(i,r); end; begin randomize; assign(input,'closest.in');reset(input); assign(output,'closest.out');rewrite(output); readln(n); xx:=random(1000)+1;yy:=random(1000)+1;zz:=random(1000)+1; k:=1/(xx*xx+yy*yy+zz*zz); for i:=1 to n do begin read(x[i],y[i],z[i]); a[i]:=x[i]*xx+y[i]*yy+z[i]*zz; b[i]:=i; end; sort(1,n); ans:=999999999999999999; for i:=1 to n do begin for j:=i+1 to n do begin tmp:=sqr(x[b[i]]-x[b[j]])+sqr(y[b[i]]-y[b[j]])+sqr(z[b[i]]-z[b[j]]); if tmp<ans then ans:=tmp; if k*sqr(a[j]-a[i])-ans>-e then break; end; end; writeln(ans); close(input);close(output); end.