用python实现 求解最接近点对问题 的代码 要求 1 随机产生输入点，数量为100, 1000, 10000 2 打印输出不同规模下求解所需的计算时间，运行50次，记录耗时的均值和方差 3 提交输出的截图或照片

在Python中，我们可以使用`random`模块生成随机点，并利用`time`模块来测量计算时间。这里可以使用内置数据结构如列表或numpy数组来存储点，并通过并行计算库（如multiprocessing或多线程）加速求解过程。下面是一个基本的实现思路：

import random
import time
from multiprocessing import Pool

# 定义一个点类
class Point:
    def __init__(self, x, y):
        self.x = x
        self.y = y

def euclidean_distance(point1, point2):
    return ((point1.x - point2.x) ** 2 + (point1.y - point2.y) ** 2) ** 0.5

# 函数用于找到两个最近的点
def find_nearest_pair(points):
    min_dist = float('inf')
    nearest_points = None

    for i in range(len(points)):
        for j in range(i+1, len(points)):
            dist = euclidean_distance(points[i], points[j])
            if dist < min_dist:
                min_dist = dist
                nearest_points = (points[i], points[j])

    return nearest_points

# 生成随机点函数
def generate_random_points(n):
    return [Point(random.uniform(0, 1), random.uniform(0, 1)) for _ in range(n)]

# 计算并返回单次求解时间
def measure_time(func, points):
    start_time = time.time()
    func(points)
    end_time = time.time()
    return end_time - start_time

# 主程序
def main():
    point_counts = [100, 1000, 10000]
    n_trials = 50
    mean_times = []
    variance_times = []

    for count in point_counts:
        trials_results = []

        # 使用Pool并行处理
        with Pool() as pool:
            for _ in range(n_trials):
                points = generate_random_points(count)
                trial_time = pool.apply(measure_time, args=(find_nearest_pair, points))
                trials_results.append(trial_time)

        mean_times.append(sum(trials_results) / n_trials)
        variance_times.append(sum((t - mean_times[-1]) ** 2 for t in trials_results) / n_trials)

    print(f"Mean computation times: {mean_times}")
    print(f"Variance of computation times: {variance_times}")

if __name__ == "__main__":
    main()

请注意，这只是一个基础示例，实际运行可能会更复杂，需要考虑数据存储、文件I/O以及结果可视化等步骤。运行这个代码后，你可以截取屏幕截图或保存计算结果以便进一步分析。