我正在尝试用大约10,000个城市解决一个非常大的TSP。为了并行化我的任务，我想将这些城市划分为多个群集，并为每个群集解决TSP问题。
我想要一种方法，我可以将我的城市分成几组（根据城市密度/该群组中每个城市之间的距离）。
有没有人知道这样做有效的命令？
答案 0 :(得分：5)
有一个简单的近似算法，它承诺解决方案最多比最优解决方案差2倍（至少在欧几里得指标中，如果我没记错的话）。 算法是：获得最小的生成树。使用树木边缘旅行。
我正在研究更好的近似算法，而不是自己发明一种算法。
要分离到群集，如果你想这样做，那就是K-means和其他算法（在同一篇文章中）
答案 1 :(得分：0)
有几种基于密度的聚类算法只是您正在寻找的工具，无论如何都要将点分离成簇。
DBSCAN是其他人派生的主要人物。 OPTICS是DBSCAN的扩展，它不会产生聚类本身，但会绘制一个可以检查以提取聚类的点图（算法的另一部分也会自动提取聚类。）DBSCAN更简单，OPTICS更多灵活。使用适当的索引结构（如R-tree），这两种方法都会变得更好。工具包中有实现，如ELKI，scikit和WEKA。
（并且，正如j_random_hacker所说，通过这种方式无法保证TSP的全局最优性）