数模学习第七天---图论

哥尼斯堡七桥问题

数学家欧拉将七桥问题变为：
从任一点出发一笔画出七条线再回到起点。
欧拉证明了这样的走法不存在，并给出了这类问题的一般结论：
凡是由偶点组成的连通图，一定可以一笔画成。画时可以把任一偶点为起点，最后一定能以这个点为终点画完此图。（偶点有偶数个边同它相连，奇点同理）
凡是只有两个奇点的连通图（其余都为偶点），一定可以一笔画成。画时必须把一个奇点为起点，另一个奇点终点。
其他情况的图都不能一笔画出。（有偶数个奇点除以二便可算出此图需几笔画成。）

前言

图与网络是运筹学（Operations Research）中的一个经典和重要的分支。许多经济管理、工业工程、交通运输、计算机科学与信息技术、通讯与网络技术等诸多领域的问题图的优化问题。
常见问题有最小支撑树、最短路径问题、一笔画问题、中国邮递员问题、TSP问题、最大流量问题，最小费用最大流问题。

基本概念

常用d(v)表示图G中与顶点v关联的边的数目,称为顶点v的度数.
用N(v)表示图G中所有与顶点v相邻的顶点的集合.

有限简单图

1.顶点个数是有限的;
2.任意一条边有且只有两个不同的点与它相互关联;
3.若是无向图, 则任意两个顶点最多只有一条边与之相联结;
4.若是有向图, 则任意两个顶点最多只有两条边与之相联结. 当两个顶点有两条边与之相联结时，这两条边的方向相反.
如果某个有限图不满足(2)(3)(4),可在某条边上增设顶点使之满足。

图的矩阵表示

图论算法（最小生成树）

Prim算法

首先置S={1}，然后，只要S是V的真子集，就作如下的贪心选择：选取满足条件i属于S，j属于V-S，且c[i][j]最小的边，将顶点j添加到S中。这个过程一直进行到S=V时为止。
在这个过程中选取到的所有边恰好构成G的一棵最小生成树。 计算复杂度为o(n)

Kruskal算法

将G的n个顶点看成n个孤立的连通分支。将所有的边按权从小到大排序。然后从第一条边开始，依边权递增的顺序查看每一条边，并按下述方法连接2个不同的连通分支：当查看到第k条边(v,w)时，如果端点v和w分别是当前2个不同的连通分支T1和T2中的顶点时，就用边(v,w)将T1和T2连接成一个连通分支，然后继续查看第k+1条边；如果端点v和w在当前的同一个连通分支中，就直接再查看第k+1条边。这个过程一直进行到只剩下一个连通分支时为止。
复杂性：Ｏ(|e|log|e|) ，|e|为边数

图论算法（最短路径）

Dijkstra算法

Floyd 算法

状态转移方程如下： dist[i,j]:=min{dist[i,k]+dist[k,j],dist[i,j]}
算法：
1，从任意一条单边路径开始。所有两点之间的距离是边的权，如果两点之间没有边相连，则权为无穷大。
2，对于每一对顶点 u 和 v，看看是否存在一个顶点 w 使得从 u 到 w 再到 v 比已知的路径更短。如果是更新它。
时间复杂度为O(n３方);

二分图匹配

二分图（或二部图）：如果图的顶点可以被分为两组，并且使得所有边的顶点分别属于两组。
二分图的一个等价定义：不含有“含奇数条边的环”的图。

匹配：一个「匹配」（matching）是一个边的集合，其中任意两条边都没有公共顶点。例如，图 3、图 4 中红色的边就是图 2 的匹配。
最大匹配：一个图所有匹配中，所含匹配边数最多的匹配，称为这个图的最大匹配。图 4 是一个最大匹配，它包含 4 条匹配边。

完美匹配：如果一个图的某个匹配中，所有的顶点都是匹配点，那么它就是一个完美匹配。图 4 是一个完美匹配。

完美匹配一定是最大匹配（完美匹配的任何一个点都已经匹配，添加一条新的匹配边一定会与已有的匹配边冲突）。但并非每个图都存在完美匹配。

中国邮政员算法

1 如果G是连通图，转2，否则返回无解并结束；
2 检查G中的奇点，构成图H的顶点集；
3 求出G中每对奇点之间的最短路径长度，作为图H对应顶点间的边权；
4 对H进行最小权匹配；
5 把最小权匹配里的每一条匹配边代表的路径，加入到图G中得到图G’；
6 在G’中求欧拉回路，即所求的最优路线。

TSP算法

旅行商问题，即TSP问题（Travelling Salesman Problem）
假设旅行商人要拜访n个城市，每个城市只能拜访一次，最后要回到原来出发的城市。
目标: 经历路径的路程为所有路径之中的最小值
解法 ：
动态规划
分支定界法
近似算法
LKH (K. Helsgaun)算法
遗传算法(genetic algorithm)
神经网络(neural network)

案例分析

锁具装箱问题

某厂生产一种弹子锁具，每个锁具的钥匙有5个槽，每个槽的高度从{1，2，3，4，5，6}中任取一数．由于工艺及其它原因，制造锁具时对5个槽的高度有两个限制：
(1)至少有3个不同的数；
(2)相邻两槽的高度之差不能为5．

该问题用图论中的邻接矩阵解决较为简单
易见， x=t-s，其中，t代表相邻两槽高度之差不为5的锁具数，即：满足限制条件(2)的锁具数，s代表相邻两槽高度之差不为5且槽高仅有1个或2个的锁具数，即：满足限制条件(2)但不满足限制条件(1)的锁具数。

构造无向图：
在G中t每一条长度为4的道路对应于一个相邻两槽高度之差不超过5的锁具，即满足限制条件（2）的锁具，反之亦然，于是可以通过G的邻接矩阵A来计算t的值，具体步骤如下：

如图，矩阵第一行第二列5代表的意思是从1到2有5条长度为2的路。


下面用6个循环来解决（注意：因为数字较小，所以可以用循环求解）

clear,clc
n=6;
s=[];% s 为仅满足条件2的序列
for a=1:n
    for b=1:n
        for c=1:n
            for d=1:n
                for e=1:n
                    x=[a,b,c,d,e];
                    t=diff(x);%计算沿大小不等于 1 的第一个数组维度的 X 相邻元素之间的差分：
                    M=max(abs(t));%返回数组 X 中元素的绝对值的最大值
                    if M<5
                        s=[s;x];
                    end
                end
            end
        end
    end
end
s0=[];% s0 为同时满足两个条件的序列
for i=1:size(s,1)%size为返回维度1的长度
    t=s(i,:);
    t1=unique(t);%返回与t中相同的数据，但是不包含重复项
    if length(t1)>2
        s0=[s0;t];
    end
end