适用对象
图论是为了解决包含二元关系的离散系统所提出的数学模型,并可对该模型进行求解。
基本问题:
- 最短路问题
- 最大流问题
- 最小费用流问题
- 匹配问题
基本理论
1. 图
无向图 | 有向图 | |
---|---|---|
元素 | 无序对集合 G = ( V , E ) G=(V,E) G=(V,E) 顶点集&边集 | 有序对集合 G = ( V , A ) G=(V,A) G=(V,A) 顶点集&弧集 |
顶点数: ∣ V ∣ |V| ∣V∣ \qquad 边数: ∣ E ∣ |E| ∣E∣
顶点的度:与顶点关联的边数,记作 d ( v ) d(v) d(v)
相关结论:
- ∑ v ∈ V d ( v ) = 2 ϵ \sum_{v\in V}d(v)=2\epsilon ∑v∈Vd(v)=2ϵ
- 任意一个图的奇顶点的个数是偶数
计算机描述图与网络的表示方法
- 邻接矩阵表示法
- 关联矩阵表示法
- 弧表表示法
- 邻接表表示
- 星形表示法
相关补充:
链表:
物理存储单元上非连续、非顺序的存储结构,数据元素的逻辑顺序是通过链表中的指针链接次序实现的
比如有其他大神写的:
什么是链表——武培轩
2. 树——T
连通的无圈图称之为树,若
G
G
G 满足
V
(
G
)
=
V
(
T
)
,
E
(
T
)
⊂
E
(
G
)
V(G) = V(T), E(T)\subset E(G)
V(G)=V(T),E(T)⊂E(G)
顶点相同,边包含
经典算法
求最短路:迪克斯特拉算法
基本思想:
按按距
u
0
u_0
u0 从近到远为顺序,依次求得
u
0
u_0
u0 到
G
G
G 的各顶点的最短路和距离,直至
v
0
v_0
v0 (或直至
G
G
G 的所有顶点),算法结束。
例:根据从
c
i
c_i
ci 到
c
j
c_j
cj 的航程票价矩阵
[
0
50
∞
40
25
10
50
0
15
20
∞
25
∞
15
0
10
20
∞
40
20
10
0
10
25
25
∞
20
10
0
25
10
25
∞
25
55
0
]
\begin{bmatrix} 0 & 50 & \infty & 40 & 25 & 10 \\ 50 & 0 &15 & 20 & \infty & 25 \\ \infty & 15 & 0 & 10 & 20 & \infty \\ 40 & 20 & 10 & 0 & 10 & 25 \\ 25 & \infty & 20 &10 & 0 & 25 \\ 10 & 25 & \infty & 25 & 55 & 0 \end{bmatrix}
⎣⎢⎢⎢⎢⎢⎢⎡050∞4025105001520∞25∞1501020∞4020100102525∞20100551025∞25250⎦⎥⎥⎥⎥⎥⎥⎤求第一个城市到其它城市的最短路径的Matlab程序如下:
% 变量说明
% pb:P标号信息,1:已标号;0:未标号
% index1:标号顶点顺序 index2:存放起始点到第i顶点前一顶点的序号
% d:最短通路的值
clc,clear
%构造初始票价矩阵
a=zeros(6);
a(1,2)=50;a(1,4)=40;a(1,5)=25;a(1,6)=10;
a(2,3)=15;a(2,4)=20;a(2,6)=25;
a(3,4)=10;a(3,5)=20;
a(4,5)=10;a(4,6)=25;
a(5,6)=55;
a=a+a';
a(a==0)=inf;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 将第一座城市标1,其余标0
pb(1:length(a))=0;
pb(1)=1;
% 将顶点1写入路径集合S
index1=1;
% 路径从起始点至i点时,i点前一顶点的序号
index2=ones(1,length(a));
% d(i)为所求路径距离,初始值:起始点为0,其余置无穷
d(1:length(a))=inf;
d(1)=0;
temp=1;
% 遍历所有的点
while sum(pb)<length(a)
tb=find(pb==0); % 找到标号为0的点
% 更新距离,取原来的距离与经标记点距离的最小值
d(tb)=min(d(tb),d(temp)+a(temp,tb));
tmpb=find(d(tb)==min(d(tb))); % 求d(tb)数列最小值的下标
% temp:下一个点,empb可能为数列,取其中第一个
temp=tb(tmpb(1));
pb(temp)=1; % 将所找点标记为1
% 将之前找到的最小路径终点标号存入集合S
index1=[index1,temp];
% 对下两行意义理解不是很深刻
temp2=find(d(index1)==d(temp)-a(temp,index1));
index2(temp)=index1(temp2(1));
end
d, index1, index2
通用算法封装成函数如下:
function [mydistance,mypath]=dijkstra(a, sb, db);
% 输入:a—邻接矩阵(aij)是指i到j之间的距离,可以是有向的
% sb—起点的标号, db—终点的标号
% 输出:mydistance—最短路的距离, mypath—最短路的路径
n=size(a,1);
visited(1:n) = 0; % 是否被访问,1-访问,0-未访问
distance(1:n) = inf; % 保存起点到各顶点的最短距离
distance(begin) = 0;
parent(1:n) = 0;
for i = 1: n-1
temp=distance;
id1=find(visited==1); %查找已经标号的点
temp(id1)=inf; %已标号点的距离换成无穷
[t, u] = min(temp); %找标号值最小的顶点,t-最小值,u-索引
visited(u) = 1; %标记已经标号的顶点
id2=find(visited==0); %查找未标号的顶点
for v = id2
if a(u, v) + distance(u) < distance(v)
distance(v) = distance(u) + a(u, v); %修改标号值
parent(v) = u;
end
end
end
mypath = [];
if parent(db) ~= 0 %如果存在路!
t = db; mypath = [db];
while t ~= sb
p = parent(t);
mypath = [p mypath];
t = p;
end
end
mydistance = distance(db);
return
求最短路 弗洛伊德算法
可以解决任意两点间的最短路径问题(一次性计算出),可以正确处理无向图或有向图(可以有负权重,但不可存在负权回路)的最短路径问题。