在二维平面上总共有n个点，第i个点的坐标为(x i ​ ,y i ​ )。请求出任意两个不同的点之间距离的平方的最小值。 输入格式 输入第一行只有一个整数n，表示点的数量。 接下来n行，每行输入一个整数对(x i ​ ,y i ​ )，表示点的坐标(x i ​ ,y i ​ )。 输出格式 输出一行，该行仅有一个整数，表示任意两个不同的点之间距离的平方的最小值。

这是一个典型的最近点对问题，可以使用分治算法来解决。具体来说，可以按照横坐标将所有点从左到右排序，然后递归地将左半边和右半边分别求解最近点对距离，然后将两边的结果取最小值。此外，还需要考虑到左右两边的点可能会跨越中线，所以还需要在中线附近进行一次合并操作，找到跨越中线的最近点对。

下面是该算法的Python实现：

import sys

def dist(p1, p2):
    return (p1[0]-p2[0])**2 + (p1[1]-p2[1])**2

def closest_pair(points):
    n = len(points)
    if n <= 1:
        return sys.maxsize

    mid = n // 2
    left_points = points[:mid]
    right_points = points[mid:]

    d = min(closest_pair(left_points), closest_pair(right_points))

    strip_points = []
    for point in points:
        if abs(point[0] - points[mid][0]) < d:
            strip_points.append(point)

    strip_points.sort(key=lambda x: x[1])

    for i in range(len(strip_points)):
        for j in range(i+1, len(strip_points)):
            if (strip_points[j][1] - strip_points[i][1])**2 >= d:
                break
            d = min(d, dist(strip_points[i], strip_points[j]))

    return d

n = int(input())
points = []
for i in range(n):
    x, y = map(int, input().split())
    points.append((x, y))

points.sort()
print(closest_pair(points))

时间复杂度为 O(nlogn)。