【无标题】图论建模

最新推荐文章于 2024-03-25 13:38:16 发布
最新推荐文章于 2024-03-25 13:38:16 发布
阅读量213 收藏
点赞数
文章标签： matplotlib python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_61798125/article/details/126332470
版权

第一题

import networkx as nx
import numpy as np
import random
import math
import matplotlib.pyplot as plt
import pylab as plb

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# matplotlib画图中中文显示会有问题，需要这两行设置默认字体

G=nx.Graph()
# 随机数模拟用户位置
lst=[]
for i in range(30):
    x=random.randint(0,25)+random.random()
    y = random.randint(0, 25) + random.random()
    lst.append([x,y])

X=[];Y=[]
for i in range(1,30):
    X.append(lst[i][0])
    Y.append(lst[i][1])

plt.xlabel('X')
plt.ylabel('Y')
plt.xlim(xmax=26, xmin=0)
plt.ylim(ymax=26, ymin=0)
# 画两条（0-9）的坐标轴并设置轴标签x，y

x1 = X  # 随机产生300个平均值为2，方差为1.2的浮点数，即第一簇点的x轴坐标
y1 = Y  # 随机产生300个平均值为2，方差为1.2的浮点数，即第一簇点的y轴坐标
x2 = [lst[0][0],]
y2 = [lst[0][1],]
colors1 = '#00CED1'  # 点的颜色
colors2 = '#DC143C'
area = np.pi * 4 ** 2  # 点面积
# 画散点图
plt.scatter(x1, y1, s=area, c=colors1, alpha=0.4, label='用户')
plt.scatter(x2, y2, s=area, c=colors2, alpha=0.4, label='电源')
# 图形构建
num = len(lst)
for i in range(num):
    G.add_node(i)
for i in range(num-1):
    for j in range(i+1,num):
        Widget=math.sqrt(((lst[i][0]-lst[j][0])**2)+((lst[i][1]-lst[j][1])**2))
        G.add_edge(i,j,weight=Widget)
T=nx.minimum_spanning_tree(G)

#plb.subplot(121)
#nx.draw(G, with_labels=True)
#plb.subplot(122)
#nx.draw(T, with_labels=True)
#plb.show()


# 边分类
road=list(T.edges)


Rnum=[]
for i in range(len(road)):
    Rnum.append(0)
for i in range(1,num):
    path=nx.dijkstra_path(T,0,i)

    for j in range(len(path)-1):
        for k in range(len(road)):
            if path[j]==road[k][0]and path[j + 1]==road[k][1]:
                Rnum[k]=Rnum[k]+1
            if path[j] == road[k][1] and path[j + 1] == road[k][0]:
                Rnum[k] = Rnum[k] + 1
for i in range(len(Rnum)):
    if Rnum[i]==max(Rnum):
        Rnum[i]=325.7/125.6
    elif Rnum[i]>=3:
        Rnum[i] = 239.4 / 125.6
    else:
        Rnum[i] = 1
# 迭代优化
G1=G
Sum0=0
for i in range(len(Rnum)):
    Sum0=Sum0+math.sqrt(((lst[road[i][0]][0]-lst[road[i][1]][0])**2)+
                          ((lst[road[i][0]][1]-lst[road[i][1]][1])**2))*Rnum[i]*125.6
# 1.更新边的权重
T1=T
Sum1=Sum0
dot=[]
while True:
    for i in range(len(Rnum)):
        G1.edges[road[i]]['weight']=G1.edges[road[i]]['weight']*Rnum[i]
    # 2.重新规划最小生成树和线路分类
    T2=nx.minimum_spanning_tree(G1)
    road2=list(T2.edges)
    Rnum2=[]
    for i in range(len(road2)):
        Rnum2.append(0)
    for i in range(1,num):
        path=nx.dijkstra_path(T2,0,i)
        for j in range(len(path)-1):
            for k in range(len(road2)):
                if path[j]==road2[k][0]and path[j + 1]==road2[k][1]:
                    Rnum2[k]=Rnum2[k]+1
                if path[j] == road2[k][1] and path[j + 1] == road2[k][0]:
                    Rnum2[k] = Rnum2[k] + 1
    M=max(Rnum2)
    for i in range(len(Rnum2)):
        if Rnum2[i]>=2:
            dot.append(road2[i][0])
            dot.append(road2[i][1])
        if Rnum2[i]==M:
            Rnum2[i]=325.7/125.6
        elif Rnum2[i]>=3:
            Rnum2[i] = 239.4 / 125.6
        else:
            Rnum2[i] = 1

    # 3.计算线路总造价
    Sum=0
    for i in range(len(Rnum2)):
        Sum=Sum+math.sqrt(((lst[road2[i][0]][0]-lst[road2[i][1]][0])**2)+
                          ((lst[road2[i][0]][1]-lst[road2[i][1]][1])**2))*Rnum2[i]*125.6
    if Sum1==Sum:
        break
    else:
        Sum1=Sum
dot=list(set(dot))
# 计算用电可靠性
bug=0.0
BUG=[]
for i in range(1,num):
    bug = 0.0
    path=nx.dijkstra_path(T2,0,i)
    bug=bug+(len(path)-1)*0.2+1
    for j in range(len(path)-1):
        bug=bug+math.sqrt(((lst[path[j]][0] - lst[path[j+1]][0]) ** 2) +
                  ((lst[path[j]][1] - lst[path[j+1]][1]) ** 2))*0.02
    BUG.append(100-bug)
for i in range(len(road2)):
    if Rnum2[i]==325.7/125.6:
        plt.plot([lst[road2[i][0]][0], lst[road2[i][1]][0]], [lst[road2[i][0]][1], lst[road2[i][1]][1]], linewidth='2', color='#eb891a')
    elif Rnum2[i]==239.4/125.6:
        plt.plot([lst[road2[i][0]][0], lst[road2[i][1]][0]], [lst[road2[i][0]][1], lst[road2[i][1]][1]], linewidth='1', color='#2017a0')
    elif Rnum2[i]==1:
        plt.plot([lst[road2[i][0]][0], lst[road2[i][1]][0]], [lst[road2[i][0]][1], lst[road2[i][1]][1]], linewidth='1', color='g')

plt.legend()
plt.show()

print('最低线路成本为：%.6f'%Sum)
j=1
for i in BUG:
    print("第{}个用户的用电可靠性：".format(j), "%.2f"%i)
    j+=1
j=0
for i in dot:

    print("第{}个节点坐标：".format(j), "X坐标为 %.4f"%lst[i][0],"Y坐标为 %.4f"%lst[i][1])
    j+=1
print("-----使用的数据-----")
for i in range(1,num):
    print("第{}个用户坐标：".format(i), "X坐标为 %.4f"%lst[i][0],"Y坐标为 %.4f"%lst[i][1])

第二题

import networkx as nx
import numpy as np
import random
import math
import matplotlib.pyplot as plt
import pylab as plb

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# matplotlib画图中中文显示会有问题，需要这两行设置默认字体

G=nx.Graph()
# 随机数模拟用户位置
lst=[]
for i in range(30):
    x=random.randint(0,25)+random.random()
    y = random.randint(0, 25) + random.random()
    lst.append([x,y])

X=[];Y=[]
for i in range(2,30):
    X.append(lst[i][0])
    Y.append(lst[i][1])

plt.xlabel('X')
plt.ylabel('Y')
plt.xlim(xmax=27, xmin=-2)
plt.ylim(ymax=27, ymin=-2)
# 画两条（0-9）的坐标轴并设置轴标签x，y

x1 = X
y1 = Y
x2 = [lst[0][0],lst[1][0]]
y2 = [lst[0][1],lst[1][1]]
colors1 = '#00CED1'  # 点的颜色
colors2 = '#DC143C'
area = np.pi * 4 ** 2  # 点面积
# 画散点图
plt.scatter(x1, y1, s=area, c=colors1, alpha=0.4, label='用户')
plt.scatter(x2, y2, s=area, c=colors2, alpha=0.4, label='电源')
# 图形构建
num = len(lst)
for i in range(num):
    G.add_node(i)
for i in range(num-1):
    for j in range(i+1,num):
        Widget=math.sqrt(((lst[i][0]-lst[j][0])**2)+((lst[i][1]-lst[j][1])**2))
        G.add_edge(i,j,weight=Widget)
T=nx.minimum_spanning_tree(G)

# 去掉两个电源之间的路的最长边
T1=T
Epath=nx.dijkstra_path(T1, 0, 1)
Elong=[]
for j in range(len(Epath)-1):
    Elong.append(math.sqrt(((lst[Epath[j]][0] - lst[Epath[j+1]][0]) ** 2) +
                  ((lst[Epath[j]][1] - lst[Epath[j+1]][1]) ** 2)))
for j in range(len(Epath)-1):
    if math.sqrt(((lst[Epath[j]][0] - lst[Epath[j+1]][0]) ** 2) +
                  ((lst[Epath[j]][1] - lst[Epath[j+1]][1]) ** 2))==max(Elong):
        T1.remove_edge(Epath[j],Epath[j+1])
# 获取去掉最长边后的连通子图
SUBG=[]
for c in nx.connected_components(T1):
    # 得到不连通的子集
    subg = T1.subgraph(c)
    # su=nx.minimum_spanning_tree(subg)
    SUBG.append(subg)

print(SUBG[1].edges)

for m in range(2):
    road = list(SUBG[m].edges)
    Rnum = []
    for i in range(len(road)):
        Rnum.append(0)
    for i in SUBG[m].nodes:
        if 0 in SUBG[m].nodes:
            path = nx.dijkstra_path(SUBG[m], 0, i)
        elif 1 in SUBG[m].nodes:
            path = nx.dijkstra_path(SUBG[m], 1, i)
        else:
            continue

        for j in range(len(path) - 1):
            for k in range(len(road)):
                if path[j] == road[k][0] and path[j + 1] == road[k][1]:
                    Rnum[k] = Rnum[k] + 1
                if path[j] == road[k][1] and path[j + 1] == road[k][0]:
                    Rnum[k] = Rnum[k] + 1
    M=max(Rnum)
    for i in range(len(Rnum)):
        if Rnum[i] == M:
            Rnum[i] = 325.7 / 125.6
        elif Rnum[i] >= 3:
            Rnum[i] = 239.4 / 125.6
        else:
            Rnum[i] = 1
    # 迭代优化
    G1 = G
    Sum0 = 0
    for i in range(len(Rnum)):
        Sum0 = Sum0 + math.sqrt(((lst[road[i][0]][0] - lst[road[i][1]][0]) ** 2) +
                                ((lst[road[i][0]][1] - lst[road[i][1]][1]) ** 2)) * Rnum[i] * 125.6
    # 1.更新边的权重
    T1 = SUBG[m]
    Sum1 = Sum0
    while True:
        dot = []
        for i in range(len(Rnum)):
            G1.edges[road[i]]['weight'] = G1.edges[road[i]]['weight'] * Rnum[i]
        # 2.重新规划每个子图的最小生成树和线路分类
        subg2=nx.minimum_spanning_tree(G1.subgraph(SUBG[m].nodes))

        road2 = list(subg2.edges)
        Rnum2 = []
        for i in range(len(road2)):
            Rnum2.append(0)
        for i in subg2.nodes:
            if 0 in subg2.nodes:
                path = nx.dijkstra_path(subg2, 0, i)
            elif 1 in subg2.nodes:
                path = nx.dijkstra_path(subg2, 1, i)

            for j in range(len(path) - 1):
                for k in range(len(road2)):
                    if path[j] == road2[k][0] and path[j + 1] == road2[k][1]:
                        Rnum2[k] = Rnum2[k] + 1
                    if path[j] == road2[k][1] and path[j + 1] == road2[k][0]:
                        Rnum2[k] = Rnum2[k] + 1
        M=max(Rnum2)
        for i in range(len(Rnum2)):
            if Rnum2[i] >= 2:
                dot.append(road2[i][0])
                dot.append(road2[i][1])
            if Rnum2[i] == M:
                Rnum2[i] = 325.7 / 125.6
            elif Rnum2[i] >= 3:
                Rnum2[i] = 239.4 / 125.6
            else:
                Rnum2[i] = 1

        # 3.计算线路总造价
        Sum = 0
        for i in range(len(Rnum2)):
            Sum = Sum + math.sqrt(((lst[road2[i][0]][0] - lst[road2[i][1]][0]) ** 2) +
                                  ((lst[road2[i][0]][1] - lst[road2[i][1]][1]) ** 2)) * Rnum2[i] * 125.6
        if Sum1 == Sum:
            break
        else:
            Sum1 = Sum
    for i in range(len(road2)):
        if Rnum2[i] == 325.7 / 125.6:
            plt.plot([lst[road2[i][0]][0], lst[road2[i][1]][0]], [lst[road2[i][0]][1], lst[road2[i][1]][1]],
                     linewidth='2', color='#eb891a')
        elif Rnum2[i] == 239.4 / 125.6:
            plt.plot([lst[road2[i][0]][0], lst[road2[i][1]][0]], [lst[road2[i][0]][1], lst[road2[i][1]][1]],
                     linewidth='1', color='#2017a0')
        elif Rnum2[i] == 1:
            plt.plot([lst[road2[i][0]][0], lst[road2[i][1]][0]], [lst[road2[i][0]][1], lst[road2[i][1]][1]],
                     linewidth='1', color='g')
    # 计算用电可靠性
    bug = 0.0
    BUG = []
    for i in subg2.nodes:
        bug = 0.0
        if 0 in SUBG[m].nodes:
            path = nx.dijkstra_path(subg2, 0, i)
        elif 1 in SUBG[m].nodes:
            path = nx.dijkstra_path(subg2, 1, i)
        bug = bug + (len(path) - 1) * 0.2 + 1
        for j in range(len(path) - 1):
            bug = bug + math.sqrt(((lst[path[j]][0] - lst[path[j + 1]][0]) ** 2) +
                                  ((lst[path[j]][1] - lst[path[j + 1]][1]) ** 2)) * 0.02
        BUG.append(100 - bug)
    print("在第%d条线路中:"%m)
    print("线路{}的总造价为：".format(m), Sum)
    j = 1
    for i in BUG:
        print("第{}个用户的用电可靠性：".format(j), "%.2f" % i)
        j += 1
    j = 0
    for i in dot:
        print("第{}个节点坐标：".format(j), "X坐标为 %.4f" % lst[i][0], "Y坐标为 %.4f" % lst[i][1])
        j += 1
plt.legend()
plt.show()
print("-----使用的数据-----")
for i in range(1,num):
    print("第{}个用户坐标：".format(i), "X坐标为 %.4f"%lst[i][0],"Y坐标为 %.4f"%lst[i][1])

o(*≧▽≦)o
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
python复杂网络 学习笔记
jacke121的专栏
02-04 4703
networkx库 pip install --upgrade networkx 点和边示例： import networkx as nx import matplotlib.pyplot as plt G = nx.Graph() #初始化一个图 G.add_node('a') G.add_node('b') G.add_node('c') G.add_node('d') G.add_node('e') G.add_edge('a','b') #连接a、b得到ab边 G.add_ed..
数学建模经典算法之图论
03-12
数学建模经典算法之图论 文件目录： 图论 │ 图论.ppt │ 图论1.pdf │ 图论及其应用.doc │ 最短路f_d.doc │ ├─哈密尔顿回路 │ ├─TSP模拟退火 │ │ accept.m │ │ annealing.m │ │ calculate.m │ │ ...
networkX带权图的构建中：添加边，批量添加边，添加带属性的边，以及图形展示
知易行难，知行合一
09-08 1万+
添加边： G.add_edge(‘小红’,‘小粉’) 批量添加边： G.add_edges_from([(‘小红’, ‘小黄’), (‘小黄’,‘小黑’)]) 也可以直接将元组的列表作为参数 list=[(‘小红’, ‘小黄’), (‘小黄’,‘小黑’)] G.add_edges_from(list) 批量添加带属性的边(以下三种形式都可以实现)： G.add_weighted_edges_from([(‘小红’,‘小黄’, 7.0), (‘小红’, ‘小青’, 10),(‘小黄’,‘小青’,3)])#元组
Python networkx库中，G.add_edge方法的原理和使用方法
最新发布
tyfwin的博客
03-25 854
Python networkx库中，G.add_edge方法的原理和使用方法
networkx应用基础（三）
njzhuming的博客
02-11 610
向图，节点和边添加属性 权重，标签，颜色或您喜欢的任何Python对象等属性都可以附加到图形，节点或边上。 每个图、节点和边都可以在关联的属性字典中保存键/值属性对（键必须是可散列的）。默认情况下，这些属性为空，但可以使用add_edge，add_node或直接操作名为G.graph、G.nodes和G.edges的属性字典来添加或更改属性。 图形属性 创建新图形时分配图形属性 G = nx.Graph(day="Friday") G.graph #{'day': 'Friday'} 或者您可
python库整理：networkx 包
qq_40206371的博客
06-20 7142
1 创建图形 创建一个没有节点和边的空图形。 import networkx as nx G = nx.Graph() 根据定义，aGraph是一组节点（顶点）和已识别的节点对（称为边、链接等）的集合。
数学建模-图论
01-22
数学建模图论基础学习，适合数学建模入门者使用，大部分为数学理论讲解，需要MATLAB代码的可以私聊我，我找找看还在不在
数学建模图论相关算法
12-31
数学建模图论相关算法，介绍了无向图、有向图等定义，Dijkstra算法等
图论及安全威胁建模
04-30
图论 WEB安全 威胁建模
数学建模-图论模型&&
02-26
数学建模-图论模型&&
Python计算机视觉第九章 图像分割
Yangshengmig_zZ
09-06 1375
图像分割1 图割（Graph Cut）1.1 从图像创建图 图像分割是将一幅图像分割成有意义区域的过程。区域可以是图像的前景与背景或图像中一些单独的对象。这些区域可以利用一些诸如颜色、边界或近邻相似性等特征进行构建。本章中，我们将看到一些不同的分割技术。 1 图割（Graph Cut） 图论中的图（graph）是由若干节点（有时也称为顶点）和连接节点的边构成的集合。下图给出了一个示例。边可以是有向的或无向的，并且这些可能有与它们相关联的权重。 图割是将一个有向图分隔成两个互不相交的集合，可以用来解决很多计
用 GraphScope 像 NetworkX 一样做图分析
graphscope的博客
04-01 500
NetworkX 是 Python 上最常用的图分析包，GraphScoep 兼容 NetworkX 接口。本文中我们将分享如何用 GraphScope 像 NetworkX 一样在（大）图上进行分析。
python networkx 边权重,添加边缘权重以绘制networkx中的输出
weixin_42139042的博客
01-15 2254
I am doing some graph theory in python using the networkx package. I would liketo add the weights of the edges of my graph to the plot output. How can I do this?For example How would I modify the foll...
使用效果_使用OpenGLES实现UIImageView显示效果
weixin_39967405的博客
12-07 139
使用OpenGLES实现UIImageView显示效果介绍本篇使用OpenGLES实现UIImageView的显示功能,代码已做详细注释。OpenGL相关文章参考前几篇。代码如下//// ViewController.m// OpenGLES//// Created by dowZhang on 2019/6/2.// Copyright © 2019 dowZhang. All rights r...
python列表add用法_使用add_edge_list（）方法创建图形的最佳方法是什么？
weixin_34864191的博客
01-29 1907
如果你有一个10^6-10^7顶点的稠密图(是一些医学数据还是社交图？它可以改变一切)，你不应该使用networkx，因为它是用纯Python编写的，所以它比graph-tool或{}慢10-100倍。在您的例子中，我建议您使用graph-tool。它是最快的(~asigraph)Python图形处理库。在graph-tool行为与networkx不同。当您创建networkx节点时，它的标识符是...
图论算法（三）：networkx 添加属性
热门推荐
林微的博客
04-30 2万+
属性（如权重，标签，颜色或任何您喜欢的Python对象）可以附加到节点或连边中。每个节点和连边都可以在关联的属性字典中保存键/值属性对（键必须是可散列的）。 默认情况下，这些属性是空的，但可以使用G.node和G.edge的属性字典来添加或更改属性。 1. 添加节点属性 使用add_node（）添加节点属性 import networkx as nx G = nx.Graph() # ...
python复杂网络库networkx：基础
皮皮blog
11-14 1万+
http://blog.csdn.net/pipisorry/article/details/49839251其它复杂网络绘图库[SNAP for python][ArcGIS,Python,网络数据集中查询两点最短路径]Networkx数据类型Graph typesNetworkX provides data structures and methods for storing graphs.A
数学建模图论matlab
09-15
数学建模图论是指使用数学模型和图论的方法来解决实际问题。在这个方法中，我们使用图的概念来表示问题中的元素和它们之间的关系，并使用数学模型来描述这些关系。而Matlab是一个用于数值计算和科学工程应用的高级...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值