最近在工作中碰到了这个问题：已知在平面坐标系内有N个点，求离开给定坐标距离最近的10个点。
团队的第一反应自然是按照两点间距离公式， 遍历N个已知点，然后排序获得前10个最短距离的结果。
只是，我从来不是一个规规矩矩的人。我一直推崇用人类直觉思维来编程，而不要被僵化的程序思想束缚。
传统距离公式，计算N个点的距离需要2N次的减法和平方。
而事实上， 一个真正的人类，是不会把所有N个点的距离都计算一遍的。大多数点都会被某些快速条件过滤掉的。
今天先把问题在这里写下来， 有时间在把优化后的算法补充进来。
最差劲模式：
每次遍历已知点数组，逐个计算两点间距离，保留最小值以及索引信息。
时间复杂度 O(n)
缺点：每次查询都要重新遍历数组，效率低下。
优化模式1：
dic3提出的方式
预处理阶段，遍历所有已知点，得出一个初始化半径，以确保至少能有一个或多个点在半径内。
实际处理阶段：
用初始化半径，判断半径内的已知点。然后根据结果再次扩大或缩小半径。
缺点：严重的问题是，如何知道半径内的点都是谁？其实又要遍历所有点了。
优化模式2：网格预处理
预处理阶段，按已知坐标将所有点分配到二维数组内
实际处理阶段：
按目标坐标计算并获取核心下标，获得二维数组内的一个元素
判断这个网格内的所有点的距离并获取结果。
如果目标点在网格边缘，需要进一步增加相邻网格内的数据来判断。
缺点：
1、最差情况下要判断4个网格
2、当网格内元素数量持续增加时，算法效率同样下降明显。
时间复杂度 O(n/网格数量)