记录一下奇妙题目的奇妙做法。
题意：给定二维平面上n个点的坐标，求最近点对距离，n<=2e5。
解法：
-
分治：
按x排序，取x中位数xm，以直线x=xm为分界线将所求问题分成两部分，分治求解两侧得到它们的ans。
对于两侧所有离xm距离小于ans的点，分别按照y排序，然后一个左侧点在找另一个右侧点时只需考虑\(\Delta_y \le ans\)的即可。
为了防止分界线上点过多，可以提前做个随机旋转。
时间复杂度O(nlogn)。
-
kdt：
不会，貌似是kdt板子操作。
虽然做这个大材小用但是kdt本身功能还是很强大的（
啥时候学一下）。 -
随机贪心：
运用人类智慧，随机旋转过后最近点对的\(\Delta_x\)应该不会很大，按照x排序后只考虑前后5个。
多旋几次求出解的概率还是很大的。
-
k维分块：
来自vuq的奇妙思路，本来是在讨论3维最近点对的，但显然适用于k维。
考虑依次加入每个点后更新答案，显然我们只想去考虑离它很近的点，于是用以ans为半径的正方形将整个平面切成若干小块，这样我们只考虑它周围9个小块即可。
如果加入某个点后ans被更新了，就O(n)重构。
至于存储，显然不能存所有块，设计一个奇奇怪怪的\(hash(\frac{x_i}{ans},\frac{y_i}{ans})\)用hash_table存储即可。
重构次数可能被卡到平方，不过我们对加入点对的顺序做个random_shuffle即可，那么加入第i个点时重构的概率约为\(\frac{i}{i^2}=\frac{1}{i}\)，于是重构期望就变成了调和级数，即O(logn)。
然后以上做法都可以扩展到k维。