图论解决复杂路口红绿灯安排，python语言实现

问题描述

说明性描述

说明性描述说明了需要解决的问题是什么，针对什么样的问题，期望什么样的解

这是一个5条路的交叉口，其中两条是单行线。这个图本身已经是实际问题的抽象，与行驶方向无关的因素如道路方位、宽度、车流量等都已被抽象去除。要求设计红绿灯，按不同方向行驶的车辆不能相互冲突，依次通过；在此基础上，要求红绿灯轮转次数最少。
现在基本想法是对行驶方向分组：

• 同属一组的各个方向行驶的车辆，均可以同时行驶，不出现相互交错的行驶路线
• 所做的分组应该尽可能大

操作性描述

操作性描述说明通过怎样的操作过程可以得到所要的解
采用图来进一步抽象问题，其中顶点集$V$中的顶点元素表示所有可能可行方向，不难列出本例一共13个：AB, AC, AD, BA, BC, BD, DA, DB, DC, EA, EB, EC, ED。边集$E$中的元素表示两个顶点所代表的可行方向有冲突。

有了冲突图，寻找安全分组的问题就可以换一种说法：为冲突图中的顶点确定一种分组，保证属于同一组的顶点互不邻接。

要解决的问题进一步抽象为图数据结构上的顶点分组。

图着色问题

以非相邻为条件的最佳顶点分组问题，其实对应于有名的图最佳着色问题：把顶点看成区域，把相邻看成两个顶点有边界，把不同分组看做给相邻顶点以不同颜色着色。著名的四色问题表明，对于任一方式分割为区域的平面图，只需要4种颜色着色，就能保证相邻区域都具有不同颜色。

但是，从交叉路口构造出的冲突图可能不是平面图，因此完全可能需要更多的颜色。

图着色算法

现有的最佳着色算法基本相当于枚举所有可能的着色方案，从中选出使用颜色最少的方案。
下面考虑使用贪婪算法，或称贪心法。其基本思想是根据当时掌握的信息，尽可能地向得到解的方向前进，直到不能继续再换一个方向。这样做通常不能得到最优解，但能找到“可接受的”解，即给出一种较好的算法。
算法梗概（伪代码）如下：

输入：图G   #记录图中的顶点连接关系
集合verts保存G中的所有顶点   #建立初始状态
设置集合groups为空集   #记录得到的分组，元素是顶点集合
while 存在未着色的顶点:   #每次迭代用贪心法找一个新分组
    选一种颜色
    在未着色顶点中给尽量多的无互连边的点着色(构建一个分组)
    记录新分组的顶点组

# 算法结束时，groups里记录着一种分组方式
# 算法细节还需要进一步考虑

上面算法还有重要的细节要考虑：一种新颜色的着色处理。具体：

• 图G保存需着色图中顶点的邻接信息；
• 集合verts是图中所有尚未着色的顶点集合；
• 用另一个变量new_group记录正在构造的用当前新颜色着色的顶点（一个顶点），在上面算法的每次迭代中重新构造，每次重新分组时将这个集合重新设置为空集。

 # 进一步整理着色问题。
new_group = 空集
for v in verts:
    if v与new_group中所有的顶点之间都没有边:
        从verts中去掉v
        把v加入new_group    

# 循环结束时，new_group中是可以用一种颜色着色的顶点集合。
# 用这段代码代替前面程序框架中主循环体里的一部分。

检查上面的算法，可以看到算法涉及一些集合操作和图操作。

1. 构造空集
2. 从集合中删除元素
3. 向集合中加入元素
4. 顺序获取集合里的各个元素（使用for循环）
5. 获取图中所有顶点
6. 判断两个顶点是否相邻

算法精化和python描述

算法细节处理：

7. 如何表示颜色？ 顺序整数；
8. 如何记录得到的分组？用集合表示分组，把构造好的分组（集合）加入groups作为元素；
9. 如何表示图结构？

python的集合操作：
10. 判断集合vs是否空集：not vs
11. 设置一个集合为空：vs = set()
12. 从集合中去掉一个元素：vs.remove(v)
13. 向集合中增加一个元素：vs.add(v)

python的集合数据类型不支持遍历，需要从当时的集合verts生成一个表，然后对表做遍历。
算法中需要的图操作依赖于，如何在python中实现图数据结构，这里假定两个与图有关的操作：

14. 函数vertices(G)得到G中所有顶点的集合；
15. 谓词 not_adjacent_with_set(v, group, G)检查顶点v与顶点集group中各顶点在图G中是否有边连接。

有了以上假设，就可以写程序：

python实现

def coloring(G): #做图G的着色
    color = 0
    groups = set()
    verts = vertices(G) #取得G图的所有顶点,依赖于图的表示
    while verts:
        new_group = set()
        for v in list(verts):
            if not_adjacent_with_set(v, newgroup, G):
                new_group.add(v)
                verts.remove(v)
            group.add((color, new_group))
            color += 1
    return groups

这个python函数能对任何一个图算出顶点分组。其中欠缺的细节就是图的表示，以及函数里设计的两个图操作

讨论

对于给定的交叉路口实例，可行的分组可能不唯一。算法给出的解是确定的，依赖于算法中选择顶点的具体策略，以及对图中顶点的遍历顺序，即**list(verts)**给出的顶点序列中的顺序。
回顾前面从问题出发做出一个python程序的工作过程：

1. 有关工作开始于交叉路口的抽象图示，首先枚举出所有允许通行方向；
2. 根据通行方向和冲突的定义，画出冲突图；
3. 把通行方向分组问题归结为冲突图中不相邻顶点的划分问题。

问题是，这样的结果满足原交叉路口实例的需要吗？

仔细分析，上面算法中采取的定义不统一：

算法给出的结果是各分组互不相交，每个顶点只属于一个分组；而工作实际是只要求同属一组的顶点是互不冲突的，即允许顶点属于不同分组的情况。

需要将之前得到的分组尽可能扩充，加入与已有分组不冲突的方向，如何修改前面算法，使之能给出这样分组？