这个问题实际上是在问一个贪婪地解决旅行商问题的纬度和经度。一个复杂的问题是，这些位置可能包括近似重复的位置，而解决方案应该试图将这些近似重复的位置合并到一个单一的位置。
考虑类似这样的情况，显示包含一个“重复”点的纬度和经度数组：

from scipy.spatial.distance import euclidean
import numpy as np
from random import randint
import matplotlib.pyplot as plt

locations = np.array(
    [
        [11.463798, 14.136215],
        [11.463797, 14.136214],  # <-- similar to previous
        [44.405370, -82.350737],
        [14.928905, -91.344523],
        [68.951464, -138.976699],
        [-1.678356, 33.959323],
    ]
)

在高水平上：我们可以做到以下几点：
1.使用随机选择的位置初始化
1.保持剩余位置的“边界”
1.贪婪地选择下一个距离最小的位置
1.如果当前位置和另一个位置之间的距离小于某个预定义的阈值，我们将其标记为“重复”以进行移除。（这种阈值方法可能需要调整，或者可能需要一些先验知识。例如：如果我们正在设计递送系统，则可以考虑在步行距离内彼此相距几百米的位置，而所有其它位置应当通过汽车到达）。
1.返回路线的总距离和索引。
而使用欧几里德距离的实现可能看起来像这样：

def find_greedy_route(locations, threshold=0.01):

    indexes = list(range(locations.shape[0]))
    route = [indexes.pop(randint(0, len(indexes) - 1))]
    total_distance = 0.0

    while indexes:
        at = locations[route[-1]]
        distance, nearest = np.inf, -1
        duplicates = []

        for i in indexes:
            if (next_distance := euclidean(at, locations[i])) < distance:

                if next_distance <= threshold:
                    duplicates.append(i)
                    continue

                nearest = i
                distance = next_distance

        indexes.remove(nearest)
        route.append(nearest)
        total_distance += distance
        for d in duplicates:
            indexes.remove(d)

    route.append(route[0])
    total_distance += euclidean(locations[route[-1]], locations[route[0]])

    return total_distance, np.asarray(route)

路线取决于起始位置，因此多次运行此命令会显示：（1）总距离取决于起始位置，（2）我们的阈值化方法意味着所有路由将包含0或1，但不是两者都包含。
一个二个一个一个
绘制路线图还可以提供一些见解：

plt.plot(locations[route][:, 0], locations[route][:, 1])
plt.scatter(locations[route][:, 0], locations[route][:, 1])
plt.show()