利用分治思想處理凸包問題。
劃分：將點集S中的資料按橫座標排序，選出橫座標最小的點A和縱座標最小的點B，AB的連線將S劃分為兩個子集，位於(AB) 上方的集合S1和位於(BA) 上方的集合S2。

遞迴求解：遞迴呼叫演算法求S1的凸包和S2的凸包，遞迴演算法中找出S1中使∆ABC面積最大的點C，則點C一定位於S1的凸包上，繼續以點AC和CB作為連線劃分S1。

合併：通過上述方法找到的凸包上的點直接合並，最後使用蠻力演算法中的輸出方法逆序輸出點即可。

隨機點集S生成部分與蠻力演算法相同

分治演算法中遞迴部分程式碼如下：

def dealleft(first,final,lis,temp):
    #temp用來標記位於凸包上的點
    max=0
 

    index=-1
    #處理first到final的上方，得到使first，final，i 三點組成的三角形面積最大的點i
    if first<final:
        for i in range(first,final):
            #獲得first，final，i 的座標
            firstcoordinate=lis[first]
            finalcoordinate=lis[final]
            icoordinate=lis[i]
            firstx=firstcoordinate[0
 
]
            firsty = firstcoordinate[1]
            finalx=finalcoordinate[0]
            finaly = finalcoordinate[1]
            ix=icoordinate[0]
            iy = icoordinate[1]
            #計算first，final，i 三點組成的三角形面積
            triangle_area=firstx * finaly + ix * firsty + finalx * iy - ix * finaly - finalx * firsty - firstx * iy
            if
 
 triangle_area>max:
                max=triangle_area
                index=i
    # 處理first到final的下方，得到使first，final，i 三點組成的三角形面積最大的點i
    else:
        for i in range(final,first):
            firstcoordinate = lis[first]
            finalcoordinate = lis[final]
            icoordinate = lis[i]
            firstx = firstcoordinate[0]
            firsty = firstcoordinate[1]
            finalx = finalcoordinate[0]
            finaly = finalcoordinate[1]
            ix = icoordinate[0]
            iy = icoordinate[1]
            triangle_area = firstx * finaly + ix * firsty + finalx * iy - ix * finaly - finalx * firsty - firstx * iy
            if triangle_area > max:
                max = triangle_area
                index = i

    if index!=-1:
        temp[index]=1
        dealleft(first,index,lis,temp)
        dealleft(index,final,lis,temp)

接下來是演算法的主程式部分，程式碼如下：

def divide(lis,n):
    starttime = datetime.datetime.now()
    # temp用來標記位於凸包上的點
    temp = {}
    # lis_con_new為凸包集合
    lis_con_new = []
    if n==3:
        return  lis
    for i in range(n):
        temp[i]=0
    lis_con=copy.deepcopy(lis)
    lis_con.sort()
    temp[0]=1
    temp[n-1]=1
    dealleft(0,n-1,lis_con,temp)
    dealleft(n-1,0,lis_con,temp)
    for i in temp:
        if temp[i]==1:
            lis_con_new.append(lis_con[i])
    endtime = datetime.datetime.now()
    print "分治時間---",(endtime - starttime)
    return  lis_con_new

分治演算法在點集數500、1000、2000、3000、4000的情況下得到演算法執行時間（秒），繪製成如下圖所示折線圖，可以看出在資料集較大的情況下，分治演算法執行時間仍在毫秒水平，保持較好的效能。其中在資料從2000增加至3000的過程中，演算法執行時間有些許減少。