我需要为一个城市中的171位客户创建群集,以解决VRP问题上的大学工作,已经执行了K-Means群集,还需要一种算法来尝试其结果。尽管每个客户的Long和Lat以及他们到仓库的距离都是已知的,但不幸的是,我们不知道仓库的位置。欢迎任何建议。
答案 0 :(得分:1)
对于纬度和经度,KMeans是一个糟糕的选择。因为地球是一个球体。
在这种微小的数据量下,请使用分层聚集聚类,亲和传播,谱聚类和k-Medoids(PAM)。他们都接受<距离>距离矩阵,邹应该用Haversine距离而不是欧几里得距离进行计算。