我的目标是更高效地实现这个问题中提出的算法。
考虑两组点（在N维空间中，对于RGB颜色空间的示例情况，为3维空间，而对于1维空间，则仅在距离计算上有所不同）。如何找到第一组中与第二组中最近邻距离最远的点？
在一个1维空间的例子中，给定集合A:{2,4,6,8}和B:{1,3,5}，答案将是8，因为8距离5（其在B中的最近邻）有3个单位的距离，而A中的所有其他成员都只与它们在B中的最近邻相隔1个单位。编辑：1维空间过于简单化，因为排序与距离相关，而在高维度中则不是这样。
源问题中的解决方案涉及将一个集合中的每个点（所有R、G、B，其中512>=R+G+B>=256且R%4=0且G%4=0且B%4=0）与另一个集合（colorTable）中的每个点进行暴力比较。为了这个问题的简化，忽略第一组是以编程方式而不是像第二组一样作为存储列表进行迭代的事实。
首先，您需要在另一组中找到每个元素的最近邻。
为了高效地完成这个任务，您需要使用最近邻算法。个人建议实现kd树，因为我在算法课程中曾经做过，并且相对来说比较简单。另一个可行的选择是R树。
针对较小集合中的每个元素执行此操作一次。（将最小集合中的一个元素添加到较大集合中，并运行算法以查找其最近邻。）
通过这种方式，您应该能够获得每个元素的最近邻列表。
在查找最近邻对时，将它们保存在一个排序数据结构中，该数据结构具有快速添加方法和快速获取最大值方法，例如堆, 按欧几里得距离排序。
然后，完成后只需向堆请求最大值即可。
此算法的运行时间如下：
N = 较小集合的大小
M = 较大集合的大小
因此，整个算法的时间复杂度为O(N*log M)。
如果您不关心每个配对项的顺序，可以通过仅保留迄今为止找到的最大值来节省一些时间和空间。
*免责声明：这一切都假设您不会使用极高数量的维度，并且您的元素遵循大多随机分布。
我认为最明显的方法是在一个集合上建立一棵树形结构，以便您可以相对快速地搜索它。kd-tree或类似的东西可能比较适合。
做完这个之后，您遍历另一个集合中的所有点，并使用树来查找它们在第一个集合中的最近邻居，同时跟踪最大值。
建立树的时间复杂度为nlog(n)，每次搜索的时间复杂度为log(n)，因此整个过程应该在nlog(n)内运行。
在1-Space集合中，您可以使用以下结构（伪代码）：
使用这样的结构
Struct Item {
int value
int setid
}
(1) 最大距离 = 0
(2) 将所有集合读入Item结构中
(3) 创建一个指向所有Item的指针数组
(4) 按照Item->value字段对指针数组进行排序
(5) 从开头到结尾遍历数组，检查Item->setid是否与前一个Item->setid不同
如果(SetIDs不同)
检查此距离是否大于最大距离，如果是，则将MaxDistance设置为此距离
返回最大距离。