有人可以向我解释为什么这个算法的递归部分有运行时
T（n）= {O（1），如果n≤3; {Tf（n / 2）+ Tc（n / 2）+ O（n），如果n> 3。
- ＆gt;其中Tf（n / 2）代表T（n / 2）的底函数，Tc（n / 2）代表ceilling函数????
该算法称为Shamos，主要步骤为：
设δ= min（δL，δR）。输入集P中的一对最近点的距离是其中的距离 在递归步骤中找到的点（即δ）或由PL中的点之间的距离组成 和公关中的一点。
（a）PL中唯一一个候选点和PR中的一个必须在一个垂直条带中 在线V的左边的距离δ处的线和在V的右边的距离δ处的线
（b）设YV是条带内的点的数组，按非递减y坐标排序 （即，如果i≤j则YV [i]≤YV[j]）。
（c）从YV的第一个点开始，除了最后一个之外都是踩踏槽，检查距离 这一点与接下来的7个点（或者如果没有多达7个那么剩下的那个点）。如果一个 找到距离严格小于δ的对，然后将该距离指定为δ。
返回δ。 提前谢谢你。
答案 0 :(得分：2)
T(c(n/2))和T(f(n/2))分别描述了在左右组上递归调用算法需要多长时间，因为已经有一半的点被放置在每个组中。
O(n)来自算法的棘手部分：在递归调用之后，我们找到了δ，即左侧组或右侧组中最近点对之间的距离。现在我们想要寻找由左组中的一个点和右组中的一个点组成的对。当然，从中线观察距离比δ更远的点几乎没有用处。但是，它仍然可能是所有点都在中间线的δ之内，所以看起来我们有必要比较n^2点对。现在重要的观察是，正是因为我们知道在每一组中，没有一对点比δ更接近，我们知道对于我们需要看到的正确组中有多少点，存在一个小的，恒定的最坏情况限制。对于左侧组中的每对。因此，如果我们只能在y坐标上对点进行排序，我们可以在线性时间内找到最接近的对。由于列表在递归调用之间传递的方式，可以在线性时间内获得这个排序列表，但细节让我感到厌烦（随意填写，任何人）。