PAM 接近于确定性，但可能存在联系。

特别是，PAM 不使用随机生成器。

PAM 的核心是构建阶段，它试图巧妙地选择初始设置（存在使用随机样本的变体，但 IIRC不是原始 PAM 算法）。如果我没记错的话，作者甚至声称您实际上并不需要迭代细化（SWAP 阶段），并且由于良好的起始条件，它将在很少的迭代中完成。

然而，如果你有，例如，一个对称数据集，你可能在某个时候有不止一个选择作为“最佳中心点”。由于这些“联系”，它不能是完全确定的（大多数实现将是确定的，因为它们不会随机打破这些联系；但如果您置换数据并有这样的联系，您可能偶尔会看到不同的结果）。

PAM 也不是穷举搜索。这是一种最陡下降的方法，但它只会考虑附近的解决方案。CLARANS 文章中的超图解释概述了这一点。但是很容易看出有 (n 选择 k) 个可能的 medoids，但是 PAM 在任何时候都只考虑每个 SWAP 步骤中的 (nk)*k 个备选方案。

简短的回答没有。它对起始中心点很敏感。可能有多个正确的中心点组合来最小化目标函数。

一些软件包实现了一个智能构建阶段，其中以确定的方式选择起始中心点。如果起始中心点是确定性的，则 PAM 结果也将是确定性的。

这篇论文帮助我将它们联系在一起Amorim 等人。本文介绍了 PAM 的加权版本。