数学模型学习报告21-01-18

图论模型

1.最短路程模型
2.TSP问题
3.最小生成树

最短路程模型

主要算法是Dijkstra算法（指定两点的最短线路，复杂度为o(n²)）和Floyd算法（任意两点的最短路线，复杂度为o(n³)）

给定网络N=(V,E,W) (顶点集合，边的集合，边的权值)，求 i 点到 j 点的最短路线。

Dijkstra算法：

1. 给出初始点集合P={ i },剩余点集合Q={1，2，3……n}-P，i点到各点直接距离U_r=w_ir(r=1,2,3…n)
2. 在Q中寻找到i点距离最小的点k，使得U_k=min{ U_r}，并置P∪{k} ➡P，Q-{k}➡Q （即把k点从集合Q转移到集合P）
3. 对Q中每一个r，如果U_k+w_kr<U_r，则U_k+w_kr➡U_r，然后返回第二步直到找到 j 点为止
   【此算法经过n-1次结束，在整个算法过程中，第二步最多要做(n-1)(n-2)/2次比较，因此计算量为o(n²)阶】

Floyd算法：

1. 根据已知的部分节点之间的连续信息，建立初始距离矩阵B(i,j)，其中把没有给出距离的赋予一个充分大的数值(这样就相当于“此路不通”，不会妨碍接下来的计算)，以便于更新。(i,j=1,2,3…n)
2. 进行迭代计算，对任意两点( i, j )，若存在k，使B(i,k)+B(k,j)<B(i,j)，则更新B(i,j)=B(i,k)+B(k,j).

for k=1:n
 for i=1:n             %只要三个循环的Floyd就是屑
  for j=1:n            %然而我从未想到过，我更屑
   t=B(i,k)+B(k,j)
   if t<B(i,j) B(i,j)=t;end
  end
 end
end

在运行之前，要复制一个二维数组，表示每两点之间的距离
例如：

	点1	点2	点3
点1	0	23	10000
点2	23	0	15
点3	10000	15	0

其中点1和点3没有直接连接，故用一个充分大值

n=总点数
A=zeros(n,n)
for i=1:n
 for j=1:n
  if(i==j) A(i,j)=0;
  else A(i,j)=10000;  %首先全部赋值一个充分大值
  end
 end
end
%然后一个个赋值（此处省略）
%接下来使矩阵对称
for j=1:n
 for i=1:j-1
  A(j,i)=A(i,j);
 end
end

对于结果的输出：

fid=fopen('distance.txt','w');
 for i=1:n
  for j=1:n
   fprintf(fid,'%4d',B(i,j));
  end
  fprintf(fid,'\n');
 end
fclose(fid)

TSP问题

常用的方法有近邻法，贪心算法，最近插入法，模拟退火算法，遗传算法

设城市之间距离用矩阵d表示，d_ij表示城市 i 与城市 j 的距离（若没有，则用Floyd算）。同时设0-1矩阵X用来表示经过的各城市之间的路线。
考虑到到达每个城市之后能且只能去往另一个城市，则

同时会出现一种子圈问题：
以55的矩阵为例
为避免产生子圈应增加约束：
u_i-u_j+nx_ij≤n-1 （1<i≠j≤n）

在这里给出简单的解释：
如果 i 点，k点和 j 点形成了子圈，那么就会有
x_ij=1， x_jk=1， x_ki=1
分别带入此式，则有
u_i-u_j≤-1，u_j-u_k≤-1，u_k-u_i≤-1
此三式相加，则会有0≤-3，矛盾
区区人类居然可以想出如此绝妙的方法

因此总的线性规划模型就是：

可采用lingo进行编程：

MODEL:
SETS:
city/1..10/:u;        !以十个城市为例
link(city,city):d,x;
ENDSETS
DATA
d=（一张10*10的二维数组）;
@text()=@writefor(link(i,j)|x(i,j)#GT#0:'x(',i,',',j,')=',x(i,j))
ENDDATA
MIN=@SUM(link:d*x);
@for(city(j):@sum(city(i)|j#ne#i:x(i,j))=1);
@for(city(i):@sum(city(j)|j#ne#i:x(i,j))=1);
@for(link(i,j)|i#ne#j#and#i#gt#1:u(i)-u(j)+10*x(i,j)<=9);
@for(link:@BIN(x));
End

【注意，如果问题并不要求要返回到出发点，我们可以考虑引入一个虚拟点n+1(类似画辅助线做几何题)。此点与各个地点距离都为0，这样可以使链和圈等价】（这真的是人类的脑子想出来的吗）

lingo编程规则
lingo编程用四部分组成

1. 定义集合

sets：          !以sets开头，endsets结尾，这两行不加引号
name/member_list/:attribute,etc;      !定义一个原始集合
name(set1,set2,etc):attribute,etc;       !定义一个导出集合
endsets

！例
Person/1..10/:A;  !这是一个有十个元素的集合,名字是person，存在A中
Task/1..12/:B;
Link(Person,Task):x;    !这是一个10*12二维数组，名字叫link

2. 目标与约束
   在此部分写目标函数和约束条件
3. 数据部分

DATA:
attribute=value_list;
ENDDATA

4. 初始化部分
   对集合的属性（数组）定义初值。

INIT:
attribute=value_list;
ENDINIT

对内部函数的引用
以@打头

@ABS(x)	绝对值
@cos(x)	余弦值
@EXP(x)	ex
@FLOOR(x)	向0靠近返回整数部分
@LGM(x)	返回Γ函数自然数对数值
@LOG(x)	x的自然对数值
@SIGN(x)	返回x的符号值，x＜0，返回-1，x大于0，返回1
@SMAX(x1,x2…xn)	返回最大值

集合函数的操作

@FOR(set_name:constraint_expressions)    !对集合set_name的每个元素独立地生成约束
@MAX(set_name:expression)     ！返回集合上表达式的最大值
@SUM(set_name:expression:expression)     ！求和
@SIZE(set_name)               ！返回元素的个数
@IN(set_name,set_element)     ！如果集合set_name中包含元素set_element，返回1，否则返回0

逻辑语

#AND#	与
#OR#	或
#NOT#	非
#EQ#	=
#NE#	≠
#GT#	＞
#GE#	≥
#LT#	＜
#LE#	≤

变量界定

@BND(L,X,U)	L≤X≤U
@BIN(x)	限制x为0或1
@FREE(x)	取消对x的符号限制
@GIN(x)	限制x为整数值

最小生成树

树

连通且不含圈的无向图，常用T表示。
树中的边称为枝，树中度为1（只有一只枝与其相接）的点为叶
若T是包含图G的全部顶点的子图，它又是树，则称T是G的生成树。
如果设T=(V,E)是赋权图G=(V,E)的一棵生成树，则称T中全部枝上的权数之和为生成树的权，记为w(T),即w(T)=Σw(e),如果T的权w(T)是G中所有生成树中最小者，则它为最小生成树，即w(T*)=Σmin{w(T)}
【赋权图：每条边上都有一个非负实数对应的图，此实数为权。例如道路图，每条路有一个对应的长度数值，此数值为权】
求解有
kruskal避圈算法和Prim破圈算法
在lingo中
设无向图有n个顶点，其赋权图的邻接矩阵为d_n*n，d_ij表示边 i j的权，令d_ii=0。
现求根节点1到各节点生成的最小生成树。

model：
sets：
point/1..n/:u;
link(point,point):d,x;
endsets
data:
d=(n*n的表);
@text()=@writefor(link(i,j)|x(i,j)#GT#0:'x(',i,',',j,')=',x(i,j))
enddata
min=@sum(link(i,j)|i#ne#j:d(i,j)*x(i,j));
n=@size(piont);
@sum(point(j)|j#gt#1:x(1,j))>=1;
@for(point(i)|#ne#1:@sum(point(j)|j#ne#i:x(j,i))=1);
@for(link(i,j):@bin(x(i,j)));
@for(link(i,j)|i#ne#j:u(i)-u(j)+n*x(i,j)<=n-1);
end