配送中心选址并可视化绘图Matlab示例

以下是一个简单的Matlab示例，用于选择配送中心的最佳位置并可视化绘图。

假设我们有一组客户的坐标（x，y），我们需要选择一个位置作为配送中心，以便最小化客户到配送中心的总距离。我们可以使用k-means聚类算法来实现这一点，并使用Matlab的plot函数进行可视化。

以下是示例代码：

% 生成随机客户坐标
x = rand(50,1)*10;
y = rand(50,1)*10;

% 初始化k-means算法
k = 1; % 初始簇数
max_iter = 100; % 最大迭代次数
tol = 0.01; % 收敛阈值

% 运行k-means算法
[centers, idx] = kmeans([x y], k, 'MaxIter', max_iter, 'TolFun', tol);

% 绘制客户点和配送中心点
scatter(x,y,'filled');
hold on;
scatter(centers(:,1),centers(:,2),'filled','r');
legend('Customers','Distribution centers');

% 计算总距离
total_distance = 0;
for i = 1:k
    total_distance = total_distance + sum(sqrt((x(idx==i)-centers(i,1)).^2 + (y(idx==i)-centers(i,2)).^2));
end
disp(['Total distance: ' num2str(total_distance)]);

这段代码首先生成50个随机客户坐标，然后运行k-means算法以选择一个配送中心。接下来，使用scatter函数绘制客户点和配送中心点，并使用legend函数添加图例。最后，计算并打印客户到配送中心的总距离。

这是生成的可视化结果：


从图中可以看出，k-means算法将选择一个合适的位置作为配送中心，并使总距离最小化。