第四章 复杂网络与图论模型(Datawhale 数学建模)

图论是研究分子结构的有力工具，图论在研究社会关系和推荐系统中同样起重要作用。

例如可以建立一个小的社交网络，网络的每一个节点为一个人，而有连线的两个节点代表互相认识。进一步，可以对这跟连线设置一个“线宽”或者粗细度，也可以叫权重。越粗的线代表两个人认识的时间越久，或者关系越紧密。那一个认识很多人的人，就可以认为在这个小的社交网络中是一个重要的人，因为通过他/她能找到很多其他的人。在网络中这样的节点一般也可以认为是重要节点。那么在推荐系统中，可能这样的人或者说是节点就应该被优先推荐？

这也引出了节点的度的概念，节点的度在图论中表示与该节点相连的边或者连线的数量。在无向图中，节点的度就是与其相连的边数。而在有向图中，节点的度又分为入度和出度。入度是指指向该节点的边的数量，比如一个节点收到多少条信息；出度则是从该节点指出的边的数量，比如一个节点发出了多少条消息。通过这些度的概念，我们可以更好地理解节点在图中的重要性和角色。

复杂网络

在研究复杂网络的时候往往只需要考虑节点之间有没有连线或者边。不需要考虑节点所在的空间位置。这种性质就是网络的拓扑。节点与节点之间的关系可以简化成连线与否及其权重以及连线的多少。这样可以省去考虑节点的空间坐标信息。

在复杂网络中常需要考虑：

度分布、规则网络、完全随机网络、无标度网络、指数度分布网络以及累计分布等问题。结合概率的一些概念，例如随机分布、正态分布等概念，以及搜索查找算法，便可以建立起有关复杂网络和规划图的模型并对其计算和分析。

图论算法：

遍历，二分图与最小生成树

遍历分两种模式，一种是深度优先，一种是广度优先。

深度优先就是我先找到一个节点，然后顺着这个节点找下一个节点，当走到路径的端头时，再返回上一个节点，与上一个节点有联系的其他节点。不到端头或死胡同就不回头。

广度优先就是先遍历一个节点的所有直接联系的子节点，然后再遍历每一个子节点的所有直接子节点，这样逐层往下推进。

在python中可以用递归的方法来实现上述两种算法。递归的好处是代码简洁，缺点是耗费内存，不容易查错。

二分图最大匹配

完全匹配一定是极大匹配，极大匹配不一定是完全匹配.

前驱顶点是什么意思？没有理解

图论算法，最短路径与最大流问题

书中内容有些抽象，未完全理解。

图论算法：TSP问题与VRP问题

TSP（Traveling Salesman Problem），是最基本的路线问题，该问题是在寻求单一旅行者由起点出发，通过所有给定的需求点之后，最后再回到原点的最小路径成本。

VRP（Vehicle Routing Problem），是研究一组车辆在满足时间、容量、货物重量（与油耗相关）、货物尺寸（与可以通行的道路相关）等限制条件的情况下，以最小的成本或距离完成货物的配送。