问题描述
我有一个问题要解决。我需要开车去7962个地方。车辆以 10 公里/小时的速度行驶，每次我访问一个地方，我都会在那里停留 1 分钟。我想将这 7962 个地方分成子集，这最多需要 8 个小时。因此，假设 200 个地方需要 8 个小时，我访问它们并在第二天回来访问另外 250 个地方（200 个地方子集将需要更远的旅行距离）。对于距离，我只关心欧几里得距离，无需考虑通过道路网络的距离。 A map of the 7962 places
到目前为止我所做的是使用 k 均值聚类算法来获得足够好的子集，然后使用 Lin Kernighan 启发式（协和程序）来找到距离。然后计算时间。但我的结果从 4 小时变为 12 小时。有什么想法可以让它变得更好吗？或者一起完成整个任务的代码。提出任何建议，但我不是程序员，我只是偶尔使用 Python。 坐标集： http://www.filedropper.com/wholesetofcoordinates
坐标子集（40 个簇使用 k 均值算法生成）： http://www.filedropper.com/kmeans40clusters
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）