本文介绍了在有规模限制的情况下进行聚类的Python实现，包括等大聚类和最小最大规模限制的聚类算法，如Fuzzy C-means、启发式KMeans等。这些方法适用于员工任务分配、前置仓选取、路径规划等应用场景，解决组合优化问题。文章提供了Github和PyPI的项目链接，以及多个示例来展示算法效果。
背景介绍
机器学习的聚类算法在很多场景中都有应用，比如用户群体的聚类，地址聚类等。但是，在实际问题中，我们的聚类问题常常是有类的规模限制的，比如我们需要创建几个等大的类，或者有最小类大小的限制等。
虽然在很多学习算法和初入机器学习的同学们看来，聚类相关算法是机器学习中无监督学习中常见的一种，但从另一个角度看，聚类其实是求解一个组合优化问题，属于NP-hard问题。
应用场景
- 员工/外卖员等任务分配：我们给员工分配具体的工作区域或者工作任务量。因为我们分配对象的任务是人，所以我们需要考虑人性，考虑任务量的公平。因此，可以考虑等大聚类获得不同的等大类的区域结果分配给员工。当然，我们考虑员工的能力差异，也可以考虑按能力比例进行区域的聚类。
- 前置仓的选取：我们知道电商的前置仓是要选取离消费者近的地方的，能够提高实效，提升服务质量。但是前置仓选取太多，或者面向消费者的需求点太少，这样会导致仓的成本太高。因此，有的时候是基于消费者需求空间分布进行聚类选点。从这个角度来说，我们可以考虑最小最大限制的聚类方式进行初步选点。
- 路径规划：路径规划中有一种启发式算法是Cluster-first-Route-second。我们要考虑同种车型的可服务的需求点是有限的，且一致的，所以在做Cluster的时候考虑有空间规模限制的聚类。
- 选址规划：类比路径规划，我们在做门店选址/工厂选址等问题的时候，也得考虑空间聚类问题选取候选点，也可以缩小问题求解的规模。
- 其它在生物/化学/工程实际问题中的一些应用。
Size Constrained Clustering轮子介绍
Github地址：
https://github.com/jingw2/size_constrained_clusteringgithub.com/jingw2/size_constrained_clustering
PyPI地址：
最低0.47元/天 解锁文章
扫一扫
1215
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
