stata代码思路请教

Question

问题描述：惠民蔬菜项目规划旨在以最小的运力实现居民全覆盖的目标，已知X市共有100个社区和465个交通节点点位，由于受到预算约束，该项目将仅选取150个点位作为运送中转站。一般来说，每个小区的蔬菜配送任务将由所设立的最近的一个中转站来承担。邮政部门给出的建议是节点编号最小的开始,之后每隔两个作为被选取的节点设立中转站，直到选完150个节点。假设运力为距离和覆盖人口的乘积。通过运算，判断邮政部门给出的建议是否是最优的选择，如果并非最优，尝试通过模拟的方式讨论最优节点选择的问题。节点和小区坐标和人数数据和节点数据都有。
问题1：判断邮政部门的方案是否最优，邮政局的运力应该和什么指标进行比较？
问题2：通过模拟的方式讨论最优节点选择，这里的模拟具体指什么，如何通过stata代码实现最优节点选择？请教思路
已有的思路疑问：最小的运力=最近的距离×（？）覆盖人口，覆盖人口从逻辑上好像是应该是越多越好？在运力这个运算结果数值上要表现出最小，这个人口的应该以少还是多衡量为佳呢？最优节点方案目前能想到的就是社区寻求最近的节点，当每个社区都找到最近节点后应该是最佳方案，但是受到只能选150节点这个条件限制，不知道该怎么去寻求全局最优解，能不能告诉一下简单的代码思路？

Answer 1

• 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7672102
• 这篇博客也不错, 你可以看下辅助驾驶/主动避撞方向,对整个论文撰写过程中遇到的问题和想法做一些总结
• 除此之外, 这篇博客: 机器学习-过拟合、正则化、稀疏性、交叉验证概述中的 　　剪枝是决策树中一种控制过拟合的方法，我们知道决策树是一种非常容易陷入过拟合的算法，剪枝处理主要有预剪枝和后剪枝这两种，常见的是两种方法一起使用。预剪枝通过在训练过程中控制树深、叶子节点数、叶子节点中样本的个数等来控制树的复杂度。后剪枝则是在训练好树模型之后，采用交叉验证的方式进行剪枝以找到最优的树模型。 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读: