解题思路
本题要求实现二分 K-means (Bi-Kmeans) 算法来解决网络子网分割问题。该算法是对传统 K-means 算法的优化，能够有效避免陷入局部最优解。
算法的核心思想是采用自顶向下的分裂策略，每次选择一个簇进行二分，直到达到目标簇数量。具体流程如下：
首先，将所有网络站点作为一个整体，使用标准 K-means 算法（K=2）将其分割成两个子网。在进行 K-means 聚类时，选取子网中 x 坐标最小和最大的两个站点作为初始簇心，然后迭代更新簇心（使用簇内所有站点的平均坐标），直到簇心变化小于阈值或达到最大迭代次数。
接下来，算法进入主循环，每次迭代都需要从现有的所有簇中选择一个进行进一步划分。选择的标准是基于 SSE（误差平方和）最小化原则：计算每个簇被划分前后的 SSE 差值，选择能够最大程度降低全局 SSE 的簇进行划分。SSE 的计算方式是以簇的平均坐标为簇心，计算簇内所有站点到簇心的欧氏距离平方和。
题目内容
背景：在网络规划中，经常涉及子网分割问题，子网分割的目的是将距离相近的网络站点划分为一个子网，从而便于管理。
问题：聚类算法可以很好的解决子网分割问题，但是，聚类问题容易陷入局部最优。因此，本题期望采用优化版的聚类算法二分 Kmeans 算法（Bi−Kmeans）进行子网分割。
方案概述：Bi−Kmeans 算法首先将全网按照常规的 Kmeans 算法聚类成两个子网（也就是 K=2，两簇），然后，Bi−Kmeans 算法会基于 SSE（Sum of Squared Error）最小化原理，每次迭代只选择一个子网进一步划分，选择子网的原则是对该子网的进一步划分能够最大程度的降低全局 SSE，划分方法依旧是常规的 Kmeans 算法（K=2），直到子网个数达到预期数量时，停止 Bi−Kmeans 算法的迭代（算法实现细节参见下述备注 1/2/3）。
备注 1-初始值选取：在进行常规 Kmeans 聚类（K=2）二分子网时，选取子网中 x 坐标最小和最大的两个站点作为初始簇心进行划分（网络站点拥有不同的 x 坐标，本题中 x 坐标的最小值和最大值唯一）。
开通会员即可查看完整视频题解： 1.题目讲解 2.思路分析 3.逐行代码手写
