Algorithm 什么样的方法适用于基于取货和卸货地点的客户集群

Algorithm 什么样的方法适用于基于取货和卸货地点的客户集群,algorithm,data-structures,Algorithm,Data Structures,有些人想从某个收货地点旅行到某个卸货地点。所有收货地点都在A市,所有卸货地点都在B市。其中A!=B.如何将人员聚集在一起,使所有客户上车和下车的总距离最小化。由于大多数汽车的载客量为4人,因此需要充分利用每辆汽车的载客量。每个簇将被分配给可以选择拒绝行程的汽车驾驶员。在这种情况下,该簇将被传递给下一个驾驶员。请参阅此问题的答案:有关将簇聚为相同大小簇的算法(在您的案例4中) 要处理“不同城市”约束,请将每个客户定义为一个点元组,由其在城市a中的取车点和在城市B中的下车点组成,并将两个客户之间的距

有些人想从某个收货地点旅行到某个卸货地点。所有收货地点都在A市,所有卸货地点都在B市。其中A!=B.如何将人员聚集在一起,使所有客户上车和下车的总距离最小化。由于大多数汽车的载客量为4人,因此需要充分利用每辆汽车的载客量。每个簇将被分配给可以选择拒绝行程的汽车驾驶员。在这种情况下,该簇将被传递给下一个驾驶员。

请参阅此问题的答案:有关将簇聚为相同大小簇的算法(在您的案例4中)

要处理“不同城市”约束,请将每个客户定义为一个点元组,由其在城市a中的取车点和在城市B中的下车点组成,并将两个客户之间的距离定义为其取车位置之间的距离和其下车位置之间的距离之和。元组列表的平均值是由取车位置的平均值和下车位置的平均值组成的元组。定义这两个函数应该足以实现K-means

如果一个城市的平均行驶距离比另一个城市的平均行驶距离长,那么您可能需要对这两个城市的距离进行不同的加权,因为那里的交通状况较差,或者您将在高峰时间或其他时间在一个城市。

看看这个问题: