K-D Tree
先分析一下这个算法的名称：K 是维数，然后D是“Dimension”，维度
显然是一个数据结构
这个数据结构是处理在多维空间内关于“点”的问题
例如“平面内最远点对”，“k”远点对
无论是在几维空间里，都是有坐标轴的
在使用的时候有一种“坐标轴分治”的感觉
维护的信息：
split ：分裂坐标轴
ls、rs：左右儿子
node：该节点存储的真实点
然后是三个操作：建树，查询，插入
建树：
递归建树。类似平衡树
选择当前区域的点的各个维度的方差最大的维度（传说如果方差大，数据分散，复杂度或者精度有所保证？？），把这个维度当做split
这个节点的真实点就是c[mid]
然后，把这个维度[s]小于c[mid][s]的放在左边，大于的放在右边。
（实现时，用一个nth_element，再重载小于号，可以O(n)实现把中间的放在mid位置上，并且这个维度[s]小于c[mid][s]的放在左边，大于的放在右边。）
然后递归建树即可。
x，y是split
这样，整个K-D Tree就把一些点分成了若干个块。
我们一块一块处理会比较容易剪枝。
来源：https://www.cnblogs.com/yspm/p/12207540.html