我正在尝试实现一个爬山算法,以根据特定标准决定从一组位置中选择哪些位置。最多有5000个位置可供选择。
其中之一的标准是地理分散度,因此我需要能够为我的任何子集分配一个表示分散度的值。
每个位置都有纬度和经度数据。
速度是一个问题,这就是为什么我需要一些启发式方法来估计特定位置集合(即可能的解决方案)的分散程度。
我尝试过对潜在解决方案中每个位置的成对距离进行求和,但这证明太慢了。
然后我尝试了所有潜在解决方案的所有位置到中心的距离之和,这被证明更快,但效果不佳。使用这种方法将偏向于少数位置簇。
如果您有其他建议,将不胜感激。
其中之一的标准是地理分散度,因此我需要能够为我的任何子集分配一个表示分散度的值。
每个位置都有纬度和经度数据。
速度是一个问题,这就是为什么我需要一些启发式方法来估计特定位置集合(即可能的解决方案)的分散程度。
我尝试过对潜在解决方案中每个位置的成对距离进行求和,但这证明太慢了。
然后我尝试了所有潜在解决方案的所有位置到中心的距离之和,这被证明更快,但效果不佳。使用这种方法将偏向于少数位置簇。
如果您有其他建议,将不胜感激。