分治法求解最近点对问题及其在5G基站规划中的应用

1. 问题描述与理解

最近在准备华为秋招时遇到一道关于信号塔最小距离计算的算法题，题目大意是：给定平面上N个信号塔的坐标（二维点），要求找出所有信号塔对中距离平方最小的那个值。这里的距离平方定义为(x1-x2)² + (y1-y2)²。

这个问题实际上是计算几何中经典的"最近点对"问题的变种。在实际工程中，这种算法可以应用于基站部署优化、无线网络规划等场景。比如在5G网络建设中，需要合理规划基站位置以避免信号干扰，这时候就需要快速计算出最近的基站对。

2. 暴力解法与复杂度分析

最直观的解法是暴力枚举所有点对，计算它们的距离平方并记录最小值。对于一个包含n个点的集合，这样的时间复杂度是O(n²)。

python复制def brute_force(points):
    min_dist = float('inf')
    n = len(points)
    for i in range(n):
        for j in range(i+1, n):
            dx = points[i][0] - points[j][0]
            dy = points[i][1] - points[j][1]
            dist_sq = dx*dx + dy*dy
            if dist_sq < min_dist:
                min_dist = dist_sq
    return min_dist

虽然这种方法简单直接，但当n较大时（比如n=10^5），O(n²)的时间复杂度是完全不可接受的。我们需要寻找更高效的算法。

3. 分治算法设计

3.1 基本思路

分治法是将问题分解为更小的子问题，递归求解后再合并结果。对于最近点对问题，我们可以：

1. 将所有点按x坐标排序
2. 将平面垂直划分为左右两部分，点数大致相等
3. 递归计算左右两部分的最小距离
4. 合并时考虑跨越左右两部分的点对可能产生更小距离

3.2 关键步骤详解

3.2.1 预处理排序

首先需要对所有点按x坐标排序，这可以在O(n log n)时间内完成。排序后我们可以方便地将点集划分为左右两部分。

java复制// Java示例：按x坐标排序
Arrays.sort(points, (a, b) -> Double.compare(a[0], b[0]));

3.2.2 递归基处理

当点集规模很小时（比如n≤3），直接使用暴力法计算最小距离。这是递归的终止条件。

cpp复制// C++示例：处理小规模情况
if (points.size() <= 3) {
    return bruteForce(points);
}

3.2.3 分割平面

找到中间点的x坐标作为分割线，将点集分为左右两部分：

python复制mid = len(points) // 2
mid_point = points[mid]
left = points[:mid]
right = points[mid:]

3.2.4 递归求解

分别递归计算左右两部分的最小距离：

java复制double leftMin = closestPair(left);
double rightMin = closestPair(right);
double minDist = Math.min(leftMin, rightMin);

3.2.5 合并处理

这是算法最关键的步骤。我们需要检查距离分割线不超过minDist的点（称为"条带"区域），这些点可能形成比当前minDist更小的点对。

python复制strip = []
for point in points:
    if (point[0] - mid_point[0])**2 < min_dist:
        strip.append(point)

然后对这些条带内的点按y坐标排序，只需检查每个点后面最多7个点即可：

cpp复制// 按y坐标排序
sort(strip.begin(), strip.end(), [](const P