ds图—最小生成树_图与网络 (一)

01 基本概念

1  对于平面上 n 个点，将其中一些点对用边连接起来，形成的关系结构就是一个图。记作 G=(V,E)，V 为顶点集，E 为边集。

2  每条边都具有方向的图称为有向图，都不具有方向的图称为无向图，否则称为混合图。

3  任何两个顶点之间最多只有一条边的图称为简单图。

4  如果图中两个顶点有边相连，则这两个顶点相邻，而每一对顶点都相邻的图称为完全图，记作K|v|。

5  若 V=X∪Y，X∩Y=Ø，X≠Ø，Y≠Ø, 且 X、Y 中均无相邻的顶点对，则称图 G 为二分图。特别地，若对于任意 u∈X ，u 与 Y 中每个顶点相邻，则 G 为完全二分图，记作 K|x|,|y|

6  假设点 v∈V 是边 e∈E 的端点，则称 v 与 e 相关联。与某一点关联的边的数目记作该顶点的度，记作 d(v)，度数为奇数的顶点叫做奇顶点，否则为偶顶点。可以证明所有顶点度之和为边数的两倍，所以奇顶点的总个数必然是偶数。

7  如果两个顶点存在路线使其连通，则称两顶点关联，这些路线称为道路。起点和终点重合的道路称为回路。所有道路中， 各边不同的道路称为迹，各顶点不同的道路称为轨道，记作 P 。对于 P，起点与终点重合时称为圈；含有所有顶点的轨道称为 Hamilton 轨道，闭合的 Hamilton 轨道称为 Hamilton 圈，含有 Hamilton 圈的图称为 Hamilton 图。

图中任意两顶点之间存在道路的图称为连通图。

8  两顶点间最短的轨道的长度称为这两个顶点的距离。

9  每一条边都有一个或多个实数与之对应的图为赋权图，这些是实数称为权。例如之前提过的TSP问题中的适应度。

02 数据结构

计算机中描述、存储图与网络主要用邻接矩阵表示法。

对于具有 n 个顶点的图 G，他的邻接矩阵 A 是 n 阶方阵。矩阵元素表示顶点之间的关系。

对于无向图

对于有向图

对于带权无向图

对于带权有向图

为了更加方便地表示，可以用将邻接矩阵转化为稀疏矩阵。

MATLAB中将矩阵转化为稀疏矩阵的命令是 sparse，将稀疏矩阵变为普通矩阵的是 full。

可以看出，对于无向图，邻接矩阵有对称的形式。稀疏矩阵仅包含邻接矩阵下三角元素中的非零项。

03 最短路径问题

1  两个指定顶点之间的最短路径

例如：如下图，某公司在全球有六个分公司，现在要设计航班路线，使得从总部去往其他一个分部花费的票价最少。其中有航班往返的用黑线标出。

自上而下、从左向右将七个城市顺序编号。机票价格如下(单位 k rmb)

对于这类单源最短路径问题，可选择 Dijkstra 算法求解。 Dijkstra 算法的思想 简单来说就是 ：从起点开始，按照从近到远的顺序依次不断更新到 其他 各个顶点之间的最短路径和距离，直到抵达终点。 具体操作是： 1   将点集 V 分为 S 和 U 两个子集。其中 S 包含起点 v ， U=V-S 。 2   从 U 中取距离最小的顶点 u ，将其从 U 移入 S 。 3  以 u 为中间点，比较修改 U 中各顶点 j 的最短路径， 即选取  d=min(d+d,d) 4  重复前两步骤，直到终点进入 S 。

MATLAB 实现该算法如下，解得右边结果。

/后台发送 'Dijkstra' 得源码/

此类问题也可以转化为0-1规划问题。决策变量 x 取1时表示两顶点取得最短路径。

2  每对顶点之间的最短路径

显然，解决此类多源最短路径问题，可以通过设置不同起点，多次调用 Dijkstra 算法。

另一种方法是 Floyd 算法。

其基本思想是通过递推产生一个矩阵序列 {Ak (k=1,2,…,n)}，它的第 i 行第 j 列元素表示顶点 vi 到顶点 vj 路径上经过的顶点序号不大于 k 的最短路径长度。

迭代公式如下：

k=n 时，矩阵  An  即是各个顶点之间的最短路径长度。MATLAB实现 Floyd 算法以及求解上例如下： /后台发送 'Floyd' 得源码/

04 最小生成树问题

首先补充一下需要用到的关于树的一些概念。 对于一棵树 T={D,R} 1  D 是包含 n 个结点的有限集合。 n=0 时， T 为空树。 2  对于非空树，关系集合   R 满足

1  有且仅有一个结点 d0∈D，它对于关系 R 来说，没有前驱结点，该结点称为树的根结点。

2  除了根结点外，每个结点有且仅有一个前驱结点。

3  D 中每个结点可以有零个或多个后继结点。

3  没有后继结点的结点叫做叶子结点。 4  关于树的高度、结点的度等概念和满足的性质，可以自行去了解~ 对于一个连通图，它的生成树由图中的全部顶点( n 个)和 n-1 条边构成。一个连通图的生成树不是唯一的。

由定义可知，不能使用产生回路的边来构造生成树。而如果在一棵生成树上添加一条边，必定有回路产生，所有顶点都将关联。 最小生成树，定义为连通赋权图的权值之和最小的生成树。 构造最小生成树，常使用 Prim 算法和  Kruskal 算法。 某航空公司要在图中九个城市之间开通航班，已知在每两个城市之间开通航班的成本，请为公司设计路线图，使总成本最低。 自上而下、从左向右将九个城市顺序编号。成本 如下(对称矩阵，省略了下三角)

这就是一个典型的最小生成树问题，以下求解

1  Prim 算法

Prim 算法是一种构造性算法，结合贪心算法，通过不断寻找局部最优加以调整，得到全局最优。

设集合 U 存储顶点，算法具体操作为：

1  初始化 U={v}。U 到所有其他顶点的边为候选边。

2  从候选边中挑选与 U 中叶子结点相连且权值最小的边，将其终点 k 加入 U。同时将这条边从候选边中去除。

3  重复上一步骤，直到所有顶点加入 U，即可得到最小生成树。

/后台发送 'Prim' 得源码/

2  Kruskal 算法

Kruskal 不断选取权值最小的边(但不能有回路)，操作如下：

1  初始选取 e1∈E(G)，e1 是权值最小的边。

2  依次从 E(G)-{e1,e2,…,ei-1} 中选取 ei (i=2,3,…,n-1)，满足 {e1,e2,…,ei} 中无圈，并且 ei 是 E(G)-{e1,e2,…,ei-1} 中权值最小的边。

/后台发送 'Kruskal' 得源码/ 两个算法的解相同。

---

刚好这学期在数据结构这门课有学一些树和图论的内容，写在这里正好也当做复预习。

图还可以经过拓展形成网络，关于这部分内容，就先搁着等搞一搞学业还有就是学一学 Lingo 这个软件之后再说。