প্রাথমিক উত্তরের জন্য @ হোবারকে অনেক ধন্যবাদ। ভেবেছিলাম আমার ফলাফলগুলি একইভাবে করার চেষ্টা করা উচিত ...
এমডিএসের যে বিশেষ ফর্মটি আমি ব্যবহার করেছি তার জন্য নিম্নলিখিত চিত্রগুলি অর্জন করার জন্য টি-এসএনই (ওরফে 'টি-ডিস্ট্রিবিউটড স্টোকাস্টিক নেহবার এম্বেডিং' ) বলে something
ক্রমযুক্ত সমস্ত শহরের চিত্র এখানে রয়েছে - বাম অক্ষে সেই শহরের জন্য আসল 1-ডি অবস্থান এবং শহরগুলি উপরের থেকে নীচে, বাম থেকে ডানদিকে অক্ষটি সাজিয়ে রাখা হয়েছে .. রঙ = দেশ
এখানে অন্য একটি চিত্র যেখানে আমি শহরগুলির লাইন নিয়েছি কিন্তু এটি বিশ্ব মানচিত্রে প্লট করেছি ... আমার ধারণা নীচের অংশে এই সমস্যাটি ভ্রমণ বিক্রয় ব্যক্তির সমস্যার কাছাকাছি কিছুতে হ্রাস পেয়েছে - তবে এই পার্থক্যের সাথে এটি কেবল শহরগুলির অর্ডার নয় তবে 1-ডি লাইনে শহরগুলির ম্যাপিং ...
যদি কেউ এখানে সম্পূর্ণ আউটপুট ডেটা বা পদ্ধতি ব্যবহার করতে চায় তবে দয়া করে আমাকে বার্তা দিন।
-
সম্পাদনা করুন:
@ Whuber এর কমেন্টের প্রতিক্রিয়া হিসাবে ..
হ্যাঁ আপনি ঠিক বলেছেন যখন আপনি স্থানীয় দূরত্বের উপর জোর দেন (তা হ'ল বিশ্ব মানচিত্রে আশেপাশের প্রতিবেশীদের স্থানীয় দূরত্বগুলি যতটা সম্ভব দূরত্বের কাছাকাছি হওয়া উচিত) এমডিএস সমস্যা ভ্রমণ বিক্রয়কর্মীর সমস্যা হ্রাস করে। তবে আপনি যদি বিস্তৃত / আরও মাঝারি পরিসরের তুলনায় দূরত্বগুলির অনুকূলকরণ (বা মেলানো )টির উপর জোর দেন তবে আপনি বিভিন্ন ফলাফল পেতে পারেন। উদাহরণস্বরূপ, আপনি যখন 'বিচলিত' জন্য উচ্চতর মান ব্যবহার করেন তখন টি-স্নেহযুক্ত অ্যালগরিদম যা দেয় তা এখানে: