设P={(x 1 ​ ,y 1 ​ ),(x 2 ​ ,y 2 ​ ),⋯,(x n ​ ,y n ​ )}是平面上散列的n个点的集合。请编写程序找出集合中距离最近的点对。严格

在寻找平面上散列点集中距离最近的点对的问题中，可以采用贪心算法或者优先队列（如最小堆）来解决。这里简述一种基于优先队列的解决方案：

1. 首先，初始化一个空的优先队列，用于存储点对及其距离。我们将每个点对（x_i, y_i）作为队列元素，并计算它们之间的曼哈顿距离（假设欧式距离可能会更复杂一些）：d = |x_1 - x_2| + |y_1 - y_2|。

2. 将第一个点对添加到队列中。

3. 然后，遍历剩下的所有点对（从第二个开始），对于每一对，计算它与队首点对的距离。如果新点对的距离小于当前队首距离，就将队首点对弹出并替换为新的点对，然后更新队首距离。

4. 当处理完所有点对后，队列中的最后一个点对即为最短距离的点对。

以下是伪代码示例：

import heapq

def find_nearest_points(points):
    if len(points) < 2:
        return None  # 没有两点可比较

    distances = []
    for i in range(len(points)):
        for j in range(i+1, len(points)):
            dist = manhattan_distance(points[i], points[j])
            heapq.heappush(distances, (dist, (i, j)))

    if not distances:
        return None  # 所有点对都是唯一的，没有近邻

    nearest_pair = distances[0]
    while len(distances) > 1 and distances[0][0] == nearest_pair[0]:
        nearest_pair = heapq.heappop(distances)
    
    return nearest_pair[1]

# 曼哈顿距离函数
def manhattan_distance(point1, point2):
    return abs(point1[0] - point2[0]) + abs(point1[1] - point2[1])

points = [(x1, y1), ..., (xn, yn)]
nearest_points = find_nearest_points(points)