如何在R中扭曲K-Means算法以找到服务个体的最优分配

Question

我有一个列表（比方说300）的客户（lat，long） - 以及服务工程师的列表（比如10）（lat，long）。我需要以最佳方式为每个客户分配一名服务工程师。减少他的旅行，增加他的参与客户的能力。假设他必须定期参加所有客户。 尝试使用K表示集群，应将客户划分为10个集群，并为每个客户分配服务工程师。任何提示都表示赞赏。

Answer 1

群集完全是错误的方法。它不会平衡这些集合，而是如果99％的客户彼此靠近，他们将被分配相同的集群。此外，k-means不能使用地理距离，并假设您的中心可以移动到任何所需的位置。

您需要查看资源分配，而不是查看群集，例如着名的hungarian algorithm。