随机生成一个包含n个平面坐标点的集合，并将结果可视化，利用分治思想计算二维点集凸包

随机生成包含n个平面坐标点的集合通常是在数据可视化或算法练习中常见的一步。你可以使用编程语言如Python，通过numpy库生成随机坐标，然后存储在一个列表或数组中。例如：

import numpy as np

def generate_random_points(n):
    return np.random.rand(n, 2)  # 生成n个(0,1)之间的二维随机点

# 示例，生成10个随机点
points = generate_random_points(10)

为了将这些点可视化，可以使用matplotlib库绘制散点图：

import matplotlib.pyplot as plt

plt.scatter(points[:, 0], points[:, 1])
plt.show()

至于分治思想计算二维点集的凸包（Convex Hull），最常用的算法是Gift Wrapping算法（也叫Monotone Chain Algorithm）。这个算法的思想是，从任意一点开始遍历所有点，每次选择下一个最近未连接的点，直到形成一个包含所有点的凸包。另一种高效的方法是使用 Graham Scan算法，它依赖于排序和扫描过程。

以下是使用Python和Shapely库的一个简单示例（假设`points`是一个二维点列表）：

from shapely.geometry import ConvexHull

hull = ConvexHull(points)
hull_polygon = hull.convex_hull
# 可视化凸包
plt.gca().add_patch(hull_polygon)
plt.scatter(points[:, 0], points[:, 1])
plt.show()