根據連接距離，使用K-means plus plus聚類算法創建聚類

Question

我有一組相互連接的節點（大約10K）。 我必須創建小型集群（最多15個節點）。

我正在使用連接距離來查找兩個節點之間的距離（使用Dijkstra最短路徑算法）而不是地理空間距離。 現在的問題是，使用K-means plus plus算法創建小型集群需要1個多小時。 我知道要花更多的時間來找到兩個節點之間的最短距離。 如果我想最初存儲所有最短路徑，則需要更多內存（這是不可能的）。 誰能建議我如何優化呢？

Answer 1

您必須為圖中的每個節點運行dykstras算法。 Dykstras算法在密集圖上花費O（n ^ 2 * log n）時間。 這導致O（n ^ 3 * log n），這將花費很長時間。 您可以執行Floyd-Warshall（ https://en.wikipedia.org/wiki/Floyd%E2%80%93Warshall_algorithm ）算法，將其轉換為O（n ^ 3）作為預處理，然后再使用該算法，花很長時間。 積極的一面是，您可以使用所使用的O（n ^ 2）內存來高效存儲最短路徑的內存。

密集圖上的全對最短路徑問題再好不過了。