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 K 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 K 大于或等于包裹总数 N ，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 K 个包裹坐标作为初始聚类中心，并赋予编号 0 到 K-1 。 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 10^-4 ，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 K 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 K 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。
第一行包含三个空格分隔的整数，分别是服务中心数量 K 、包裹总数 N （ 1 ≤ K ≤ 10,1 ≤ N ≤ 100 ），以及配送机器人的平均速度 speed（ 1 ≤ speed ≤ 100 ，单位 km/h）。 接下来的 N 行，每行包含两个实数 x_i 和 y_i （ -100.0 ≤ x_i, y_i ≤ 100.0 ），表示每个包裹在地图上的公里坐标。
输出一个整数，表示完成任务所需的总时间（秒）。结果请向下取整。
2 3 36 3.0 4.0 6.0 8.0 0.0 5.0
1710
3 10 30 1.2 1.5 1.8 1.2 5.0 5.2 5.5 4.8 4.9 5.5 -2.0 3.0 -2.5 3.5 -1.8 2.8 1.5 1.8 5.2 5.0
2502
考点：排序
数据规模 N ≤ 100 ｜ 限制 1 秒 / 256MB ｜ 标准输入输出
参考方向：排序
先用 O(n log n) 排序把无序变有序，后续处理往往就简单了。
思路框架（排序 通法 · 非本题专属）
实现要点：在 C++ 中用 std::sort，Python 用 sorted()；注意自定义比较函数的严格弱序。
复杂度：时间 O(n log n) ｜ 空间 O(log n) ~ O(n)
该范式的通法易错点
对照本题
本题在源数据中没有官方考点标签，方向由题面特征推断，仅供参考。
样例 1：输入 2 3 36 / 3.0 4.0 / 6.0 8.0 / 0.0 5.0 → 输出 1710
在本样例中， K=2, N=3 ，机器速速度为 36 km/h。
样例 2：输入 3 10 30 / 1.2 1.5 / 1.8 1.2 / 5.0 5.2 / 5.5 4.8 / 4.9 5.5 / -2.0 3.0 / -2.5 3.5 / -1.8 2.8 / 1.5 1.8 → 输出 2502
For 3 communities, 10 packages, and speed 30 km/h, the 10 packages are clustered into 3 centers. Sorted by distance to the origin, the centers are approximately (1.5, 1.5), (-2.1, 3.1), and (5.15, 5.125). The total distance traversed visiting them in order and returning to the origin takes approximately 2502 seconds (floor applied). Note: if K >= N, all N points become their own cluster centers.
解析由校招宝本地引擎整理（依据源站考点标签 / 人工判题标注 / 题面规模信号），非官方题解，仅供思路参考。
本题来源：2026年-华为-04月08号AI岗。