写出用分治法求解凸包问题的伪代码，并分析时间复杂度

在分治法中解决凸包问题通常涉及著名的 Graham 扫描算法。这是一个经典的几何学问题，用于找到一组点中最优凸多边形，即它们组成的最小凸集合。以下是简化版的伪代码：

function convexHull(points):
    if len(points) <= 2:
        return points  // 基线情况：只有一个或两个点的情况

    # Sort the points by their x-coordinate (first)
    points.sort(key=lambda point: point.x)

    # Find the next point that is not collinear with the first two
    last = points[0]
    current = points[1]
    non_colinear_points = [last, current]

    for i in range(2, len(points)):
        while len(non_colinear_points) >= 2 and orientation(last, current, points[i]) == 0:
            non_colinear_points.pop()
        last = current
        current = points[i]
        non_colinear_points.append(current)

    # Add back the first point to close the hull
    non_colinear_points.append(points[0])

    return non_colinear_points

function orientation(p, q, r):
    cross_product = (q.y - p.y) * (r.x - p.x) - (q.x - p.x) * (r.y - p.y)
    if cross_product > 0:
        return 1  # Counterclockwise
    elif cross_product < 0:
        return -1  # Clockwise
    else:
        return 0   # Collinear or points are equal

时间复杂度分析：
- 对于排序操作，使用快速排序的时间复杂度是 O(n log n)，其中 n 是点的数量。
- 主体部分通过不断调整 non_colinear_points 列表，其循环次数最多不会超过 n 次（最坏情况下，所有点都不相邻）。每次循环都涉及到常数次比较和删除操作。
- 函数 `orientation` 每次调用都是常数时间。

综上所述，整个算法的时间复杂度大致为 O(n log n)，这是由于对点数组进行了一次排序导致的。实际运行中，由于剪枝和优化，可能会更快一些。