如何在R中扭转K-Means算法来寻找服务人员的最优分配

我有一个客户名单（比如说300个客户），还有一个服务工程师名单（比如说10个客户）。我需要以最佳方式为每个客户指派一名服务工程师。减少旅行次数，提高接待客户的能力。假设他必须定期接待所有客户。 尝试使用K表示集群，这应该将客户划分为10个集群，并为每个客户指定服务工程师。任何提示都值得赞赏。

在这里，集群是完全错误的方法。它不会平衡集合，但如果99%的客户彼此接近，他们将被分配到同一个集群。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

---

与其看集群，不如看资源分配，比如著名的。

虽然这还远不能确定，但《发现集群》的作者似乎不是解决多旅行推销员问题的最佳方法。我将寻找一种元启发式方法，请参阅更多讨论