目录
一、图的概念
①有向图:图的边有方向,只能从箭头方向从一点到另一点。
②无向图:图的边无方向,可以双向
③权值,边的费用,可以形象的理解为边的长度
二、图的建立
一般来说我们可以使用矩阵来储存图,这里我们先用邻接矩阵储存,再转化为稀疏矩阵来创建图。我们可以使用sparse函数建立图:
G=sparse(w);
%w为路径
或
G=sparse(i,j,v)
%i为起点,j为终点,v为权值
clc;
clear;
w=zeros(6,6);
w(1,2)=8;w(2,6)=5;#1
w(2,5)=6;w(5,4)=9;
w(4,3)=3;
G=sparse(w)#2
代码分析
#1 w(起点,终点)=权值;
#2 函数sparse为稀疏矩阵创建函数
#3 特别的,这里是一个无向图,我们应该还要写上比如w(2,1)=8,w(6,2)=5这样的才符合双向路径,但其实邻接矩阵是一个对称的图,在Matlab里我们这需要使用矩阵的下三角元素就可以。
运行结果
另一种方法可以得到相同效果。
clc;
clear;
w=zeros(6,6);
G=sparse([1 2 2 5 4],[2 5 6 4 3],[8 6 5 9 3])
三、图的最短路径
Ⅰ、有向图
方法一:每对点的最短路径
因为时候我们的起点到终点并不是直接连接的,其中有可能会有多个中转站,所以我们需要找出其最短路径。
这里会用到函数graphallshortestpaths
[dist] = graphallshortestpaths(G)
[dist] = graphallshortestpaths(G, ...'Directed', DirectedValue, ...)
[dist] = graphallshortestpaths(G, ...'Weights', WeightsValue, ...)
参数:
1.G为邻接矩阵
2.Directed为指示图形是有向还是无向的属性
3.DirectedValue值为0为无向,值为1为有向,忽略时默认为有向
首先创建一个有向图
clear all
clc
G = sparse([6 1 2 2 3 4 4 5 5 6 1],[2 6 3 5 4 1 6 3 4 3 5],[41 99 51 32 15 45 38 32 36 29 21])
view(biograph(G,[],'ShowWeights','on'))%将创建的图可视化
使用函数graphallshortestpaths
clear all
clc
G = sparse([6 1 2 2 3 4 4 5 5 6 1],[2 6 3 5 4 1 6 3 4 3 5],[41 99 51 32 15 45 38 32 36 29 21])
juz=graphallshortestpaths(G)
我们来分析这个结果,136代表1到2的最短路径值,94代表3到2的最短路径值,以此类推。
方法二:图论算法
其实对于图的最短路径我们有很多的算法。比如Floyed算法、 Dijkstra算法、Ford算法、SPFA算法等等。
这里我们使用Dijkstra算法来实现。
首先编写Dijkstra函数
function [min,path]=dijkstra(w,start,terminal)
n=size(w,1); label(start)=0; f(start)=start;
for i=1:n
if i~=start
label(i)=inf;
end, end
s(1)=start; u=start;
while length(s)<n
for i=1:n
ins=0;
for j=1:length(s)
if i==s(j)
ins=1;
end
end
if ins==0
v=i;
if label(v)>(label(u)+w(u,v))
label(v)=(label(u)+w(u,v));
f(v)=u;
end
end
end
v1=0;
k=inf;
for i=1:n
ins=0;
for j=1:length(s)
if i==s(j)
ins=1;
end
end
if ins==0
v=i;
if k>label(v)
k=label(v); v1=v;
end
end
end
s(length(s)+1)=v1;
u=v1;
end
min=label(terminal); path(1)=terminal;
i=1;
while path(i)~=start
path(i+1)=f(path(i));
i=i+1 ;
end
path(i)=start;
L=length(path);
path=path(L:-1:1);
当我们使用算法来实现是需要用邻接矩阵来储存图
% 构造邻接矩阵
a = zeros(6);
a = sparse([6 1 2 2 3 4 4 5 5 6 1],[2 6 3 5 4 1 6 3 4 3 5],[41 99 51 32 15 45 38 32 36 29 21]);
a = a + a';
a(a==0) = inf; % 零元素换成inf
a(eye(6,6)==1)=0; % 对角线换成 0
[min,path]=dijkstra(a,2,4) % dijkstra模型求解2到4最短路径
min代表最短路径值为66
path为路径2——3——4
Ⅱ、无向图
方法一:每对点的最短路径
使用函数graphallshortestpaths
clear all
clc
G = sparse([6 1 2 2 3 4 4 5 5 6 1],[2 6 3 5 4 1 6 3 4 3 5],[41 99 51 32 15 45 38 32 36 29 21]);
UG = tril(G + G')%构造邻接矩阵;
graphallshortestpaths(UG,'directed',0)
方法二:shortestpath函数
P = shortestpath(G,s,t)
计算从源节点 s
处开始到目标节点 t
处结束的最短路径
clc
clear all
G = zeros(6);
G = graph([6 1 2 2 3 4 4 5 5 6 1],[2 6 3 5 4 1 6 3 4 3 5],[41 99 51 32 15 45 38 32 36 29 21])
[P,d] = shortestpath(G,1,6)
P:路径1——5——3——6
d:最短路径值:82
四、总结
①最短路径问题是经典图论问题,如果对其算法感兴趣可以去百度一它的一些算法。
②最短路径问题的基本思想其实是动态规划。
③函数graphallshortestpaths在2021的Matlab中被弃用。