我有一个包含n个字符串的数据库（n> 1百万），每个字符串有100个字符，每个字符都是a，b，c或{{1} }。
我想找到每个最接近的字符串，最接近的字符串定义为 hamming distance 。我想找到每个k最近的字符串（k <5）。
d对于k = 1，它应该返回{（i1，i2），（i2，i1），（i3，i4），（i4，i3）}。对于k = 2，它应该返回{（i1，{i2，i4}），（i2，{i1，i4}），（i3，{i4，i2}），（i4，{i3，i2}）}。等等。对于每个字符串，应找到k-nearest字符串。
朴素解决方案具有O（n ^ 2）时间复杂度。我想找到更复杂的解决方案。我找到了一些其他解决方案，但没有一个比天真更好。
如何将这些字符串最佳地分配到群集中？一个字符串可以在两个或更多个集群中。解决方案可能是确定性的或概率性的。