Algorithm 在二维平面中查找点，使与一组点的最大距离最小

我处理这个问题的方法是将二维平面上的点分解为一维点，然后分别在x轴和y轴上找到与这些点之间具有最小最大距离（欧氏距离）的点。对于ex，如果点是{（2,3），（3,4），（5,6）}，我将取x坐标（2,3,5），并找到x轴上与这些点的最大距离最小的点，即（2,3,5），然后取y坐标（3,4,6），并找到y轴上与这些点的最大距离最小的点，即（3,4,6）。我的答案将是（x，y）通过这种方法得到的。但是它在某些测试用例上给出了错误的答案。

您提出的方法是合理的，但并不总是有效的。例如，假设您得到以下几点：（0，-1），（0，+1）和（1，0）。把p点放在（0，0）的最佳位置——你明白为什么吗？但是，如果尝试拾取x坐标，使最大距离最小化为0、0和1，则会拾取x=0.5，这是错误的点。这意味着您需要寻找另一个解决方案路线

假设您在二维平面中有一组点，并决定选择某个点p作为答案。设q是离p尽可能远的任意点。如果你画一个以p为中心的圆，使得q在这个圆的周长上，那么所有其他的点都必须在这个圆内或者在这个圆的周长上。你要寻找的点p也必须在所有可能绘制的圆中最小化以这种方式绘制的圆的半径，因为你要最小化从p到任何给定点的最大距离

---

有鉴于此，您试图解决的问题相当于以下问题：给定一组点，包含所有这些点的最小圆是什么？一旦您找到该问题的答案，您可以选择该圆的中心作为点p。这个问题被称为，有很多快速算法可以解决它。

如果我正确理解这个问题，我相信你应该使用欧几里德距离，即使用毕达哥拉斯定理来计算距离。分析不起作用的特定测试用例是你最好的选择。其中的要点是什么？我看不到测试用例，我真的很困惑它应该是错误的。如果您希望我们能够帮助您，那么您需要构建一个测试用例。请阅读如何做到这一点的指导。