找到具有特定总节点数的邻居群集＆＃39;属性值

Question

考虑这个问题：

国家/地区（ AMD0 ）分为多个管理单位 ADM1 _i ，其中i = 1表示n = 34。对于每个 ADM1 _i ，我知道其人口 POPADM _i 。

现在，我想找到4个相邻单位的集群，使得集群的总人口等于 POPCLU _j ，其中j = 1，n = 4。 / p>

该算法可以返回符合要求的多个输出。

让我们加载 ADM1 （从here下载）并为每个功能设置population。

ADM1 <- readRDS("~/Downloads/AFG_adm1.rds")

set.seed(28100)
ADM1$population <- sample(1:100, nrow(afg_sp), replace = T)

让我们确定邻近的关系

require(spdep)

nb <- poly2nb(ADM1, row.names = ADM1$HASC_1)
mat <- nb2mat(nb, style="B")
colnames(mat) <- rownames(mat)

要布置图形，我们需要每个 AMD1 _i 的质心。

centroids_df <- cbind(as.data.frame(coordinates(ADM1)), as.data.frame(ADM1[,c("HASC_1", "population")]))

现在我们可以创建一个基于mat的图表，如之前创建的那样：

require(igraph)
ADM1_g <- graph_from_adjacency_matrix(mat, mode='undirected')
V(ADM1_g)$population <- centroids_df$population[match(V(ADM1_g)$name,centroids_df$HASC_1)]
plot(ADM1_g, layout = as.matrix(centroids_df[,1:2]), vertex.label = V(ADM1_g)$population)

每个节点标签都标识要素的种群（ POPADM _i ）。

这是我想要通过算法确定的聚类

基于这些输入值：

1. POPCLU ₁ = 460
2. POPCLU ₂ = 788
3. POPCLU ₃ = 208
4. POPCLU ₄ = 295

注意：在示例中，群集由

决定

set.seed(28100)
clusters <- walktrap.community(ADM1_g) 

给出了

• "AF.BM" "AF.DK" "AF.GZ" "AF.HM" "AF.KD" "AF.KT" "AF.PK" "AF.PT" "AF.OZ" "AF.ZB"
• "AF.BD" "AF.BL" "AF.KB" "AF.KP" "AF.KR" "AF.LA" "AF.LW" "AF.NG" "AF.NR" "AF.PJ" "AF.PV" "AF.TK"
• "AF.BG" "AF.FH" "AF.GR" "AF.HR" "AF.NM"
• "AF.BK" "AF.FB" "AF.JW" "AF.KZ" "AF.SM" "AF.SP"