小红正在为自研的无人驾驶配送机器人开发一套路径规划系统。为了提高效率,配送系统需要先将分散的包裹坐标通过无监督学习算法进行聚类,确定

个核心服务点,然后再由机器人按顺序前往这些点。
小红选用了经典的 K-Means 算法。具体聚类与路径规划逻辑如下:
1.
初始化:
- 如果服务中心数量

大于或等于包裹总数

,则每个包裹坐标直接作为最终的服务点坐标。
- 否则,先计算所有包裹到坐标原点 (0,0) 的欧几里得距离,并按距离从小到大排序。若距离相同,保持原始输入顺序。选取排序后的前

个包裹坐标作为初始聚类中心,并赋予编号 0 到

。
2.
聚类迭代(最多迭代 50 次):
-
分配阶段:将每个包裹分配给距离其最近的聚类中心。若某包裹到多个中心的距离相等,则分配给编号最小的中心。
-
更新阶段:将每个中心的位置更新为其所分配的所有包裹坐标的平均值。如果某个中心没有分配到任何包裹,则其坐标保持不变。
-
终止条件:计算所有中心在本次更新中移动的欧几里得距离之和。若该距离之和小于

,或者已完成 50 次迭代,则停止。
3.
路径规划与耗时计算:
- 聚类完成后,将最终得到的

个服务点坐标按其到原点 (0,0) 的欧几里得距离进行升序排列。
- 机器人从原点 (0,0) 出发,依次访问这

个点,最后返回原点 (0,0)。
- 计算机器人走完这段闭环路径的总长度,并根据平均时速计算总耗时。
请帮小红计算完成配送任务所需的总秒数。