图与网络01—基本理论与MATLAB工具箱

图与网络01—基本理论与MATLAB工具箱

简单的规划问题先告一段落了，这里我们将开展图论内容的学习，一点一点慢慢来，还是从两个方面入手：数学+代码，如果有错误和需要改进的地方，还请多多指教！

---

前言

咕~

---

一、图与网络的基础理论

第一部分基本概念都比较简单易懂，所以把定义过一下完事儿~ 第二部分是图的矩阵表示，这个也是基础，大概介绍一下“关联矩阵”、“邻接矩阵”就完事儿~

1.1 图与网络的基本概念

1. 无向图和有向图

【定义1.1】 一个无向图$G$是由非空顶点集$V$和边集$E$按一定的对应关系构成的连接结构，记为$G=(V,E)$ 。其中非空集合$V=$ { $v_1,v_2,...,v_n$}为$G$的顶点集，$V$中的元素称为$G$的顶点，其元素的个数为顶点数；集合$E=$ { $e_1,e_2,...,e_n$}为$G$的边集，$E$中的元素称为$G$的边，其元素的个数为图$G$的边数。

以下用$|V|$表示图$G=(V,E)$中顶点的个数，$|E|$表示边的条数。

图$G$的每一条边是由连接$G$中两个顶点而得的一条线（可以是直线或曲线），因此与$G$的顶点对相对应，通常记作$e_k=(v_i,v_j)$，其中，顶点$v_i,v_j$称为边$e_k$的两个端点，有时也说边$e_k$与顶点$v_i,v_j$* 关联。

对于无向图来说，对应一条边的顶点对表示是无序的，即$v_i,v_j$和$v_j,v_i$表示的是同一条边$e_k$。
有公共端点的两条边，或称邻边。同样，同一条边$e_k$的两个端点$v_i和v_j$称为是 相邻的顶点。

带有方向的边称为 有向边，又称为 弧。

【定义1.2】 有向图通常记为$D=(V,A)$ ，其中非空集合$V=$ { $v_1,v_2,...,v_n$}为$D$的顶点集，$A=$ { $a_1,a_2,...,a_n$}为$D$的弧集合，每一条弧与一个有序的顶点对相对应，弧$a_k=(v_i,v_j)$表示弧的方向自顶点$v_i$指向$v_j$ ， v_{i}称为弧$a_k$的始端，$v_j$称为弧$a_k$的末端或终端，其中$a_k$称为$v_i$的出弧，称为$v_j$的入弧。

与无向图不同，在有向图情形下，$(v_i,v_j)$与$(v_j,v_i)$表示不同的弧。

把有向图$D=(V,A)$中所有弧的方向都去掉，得到的边集用$E$表示，就得到与有向图$D$对应的无向图$G=(V,E)$ ，称$G$为有向图$D$的基本图，称$D$为$G$的定向图。

2. 简单图、完全图、赋权图

【定义1.3】 如果一条边的两个端点是同一个顶点，则称这条边为环。如果有两条边或多条边的端点是同一对顶点，则称这些边为重边或平行边。称不与任何边相关联的顶点为孤立点。

【定义1.4】 无环且无重边的图称为简单图。如果不特别申明，一般的图均指简单图。

【定义1.5】 任意两顶点均相邻的简单图称为完全图。含$n$个顶点的完全图记为$K_n$。

【定义1.6】 如果图$G$的每条边$e$都附有一个实数$w(e)$ ，则称图$G$为赋权图，实数$w(e)$称为边$e$的权。

赋权图也称为网络。赋权图中的权可以是距离、费用、时间、效益、成本等。赋权图$G$一般记作$G=(V,E,W)$，其中$W$为权重的邻接矩阵。赋权图也可以记作$N=(V,E,W)$ 。

如果有向图$D$的每条弧都被赋予了权，则称$D$为有向赋权图。以后对于无向图、有向图或网络都可以用$G$表示，从下文中就能够区分出无向的还是有向的，赋权的还是非赋权的。

3. 顶点的度

【定义1.7】
（1）在无向图中，与顶点$v$关联的边的数目（环算两次）称为$v$的度，记为$d(v)$。
（2）在有向图中，从顶点$v$引出的弧的数目称为$v$的出度，记为$d^{+}(v)$，从顶点$v$引入的弧的数目称为$v$的入度，记为$d^{-}(v)$， 称为$v$的度。
度为奇数的顶点称为奇顶点，度为偶数的顶点称为偶顶点。

【定理1.1】 给定图$G=(V,E)$ ，所有顶点的度数之和是边数的2倍，即
$$\sum _{v\in V}d(v)=2|E|.$$

【推论1.1】 任何图中奇顶点的总数必为偶数。

4. 子图与图的连通性

【定义1.8】设$G_1=(V_1,E_1)$与$G_2=(V_2,E_2)$是两个图，并且满足$V_1\subset V_2$ ，$E_1\subset E_2$ ，则称 $G_1$是$G_2$ 的子图， $G_2$称为$G_1$的母图。如$G_1$是 $G_2$的子图，且$V_1=V_2$ ，则称$G_1$是$G_2$的生成子图（支撑子图）。

【定义1.9】 设 $W=v_0{e}_1{v}_1{e}_2\cdots e_k{v}_k$，其中$e_i\in E(i=1,2,\cdots ,k)$，$v_j\in V(j=0,1,\cdots ,k)$，$e_i$与$v_{i-1}$和$v_i$关联，称$W$是图$G$的一条道路（walk），简称路，$k$为路长，$v_0$为起点，$v_k$为终点；
各边相异的道路称为迹（trail）；
各顶点相异的道路称为轨道（path），记为$P(v_0,v_k)$；
起点和终点重合的道路称为回路；
起点和终点重合的轨道称为圈，即对轨道$P(v_0,v_k)$，当$v_0=v_k$时成为一个圈。
称以两顶点$u,v$分别为起点和终点的最短轨道之长为顶点$u,v$的距离。

【定义1.10】 在无向图$G$中，如果从顶点$u$到顶点$v$存在道路，则称顶点$u$和$v$是连通的。如果图$G$中的任意两个顶点$u$和$v$都是连通的，则称图$G$是连通图，否则称为非连通图。非连通图中的连通子图，称为连通分支。

在有向图$D$中，如果对于任意两个顶点$u$和$v$，从$u$到$v$和从$v$和$u$都存在道路，则称图$D$是强连通图。

1.2 图的矩阵表示

设图的顶点个数为$n$ ，边（或弧）的条数为$m$。
对于无向图$G=(V,E)$ ，其中$V=v_1,v_2,\cdots ,v_n$ ，$E=e_1,e_2,\cdots ,e_m$。
对于有向图$D=(V,A)$，其中$V=v_1,v_2,\cdots ,v_n$，$A=a_1,a_2,\cdots ,a_m$。

1. 关联矩阵

对于无向图$G$，其关联矩阵 $M=(m_{ij}{)}_{n\times m}$，其中

$$m_{ij}=\{\begin{array}{ll}1,& 顶点v_i与边e_j关联\\ 0,& 顶点v_i与边e_j不关联\end{array}$$
$i=1,2,\cdots ,n$,$j=1,2,\cdots ,m$.

对有向图$G$，其关联矩阵$M=(m_{ij}{)}_{n\times m}$，其中
$$m_{ij}=\{\begin{array}{ll}1,& 顶点v_i是弧a_j的始端\\ -1,& 顶点v_i是弧a_j的末端\\ 0,& 顶点v_i与弧a_j不关联\end{array}$$
$i,j=1,2,\cdots ,n$

2. 邻接矩阵

对无向非赋权图$G$，其关联矩阵$W=(w_{ij}{)}_{n\times m}$，其中
$$w_{ij}=\{\begin{array}{ll}1,& 顶点v_i与顶点v_j相邻\\ 0,& 顶点v_i与顶点v_j不相邻\end{array}$$
$i,j=1,2,\cdots ,n$

对有向非赋权图$D$，其邻接矩阵$W=(w_{ij}{)}_{n\times m}$，其中
$$w_{ij}=\{\begin{array}{ll}1,& 弧(v_i,v_j)\in A，\\ 0,& i=j或顶点v_i到v_j无弧，\end{array}$$
$i,j=1,2,\cdots ,n$

对无向赋权图$G$，其邻接矩阵$W=(w_{ij}{)}_{n\times m}$，其中
$$w_{ij}=\{\begin{array}{ll}顶点v_i与v_j之间边的权& (v_i,v_j)\in E，\\ 0或\infty ,& v_i与v_j无边，\end{array}$$
$i,j=1,2,\cdots ,n$

---

二、MATLAB工具箱简介

1.图的生成

Graph：无向图（undirected Graph）；
Digraph：有向图（directed Graph）；
G = graph——创建空的无向图对象。
G = graph(A)——使用邻接矩阵A创建赋权无向图。
G = graph(A,nodes) ——使用邻接矩阵A和节点名称nodes创建赋权无向图。
G = graph(s,t) ——使用节点对组s,t创建无向图。
G = graph(s,t,weights) ——使用节点对组s,t和权重向量weights创建赋权无向图。
G = graph(s,t,weights,nodes)——使用字符向量元胞数组nodes指定节点名称。
G = graph(s,t,weights,num) ——使用数值标量num指定图中的节点数。
G = graph(A[,nodes],type)——仅使用A的上或下三角形阵构造赋权图，type可以是’upper’ 或 ‘lower’。

【例1】 画出一个60个顶点的3正则图（每个顶点的度都为3）
代码如下（示例）：

clc,close all
G = graph(bucky);plot(G);

2.数据存储结构

MATLAB存储网络的相关数据时，使用了稀疏矩阵，这有利于在存储大规模稀疏网络时节省存储空间。

【例2】 画出【例1】的非赋权有向图并导出邻接矩阵和关联矩阵。

代码如下（示例）：

clc,clear,close all
E=[1,2;1,3;2,3;3,2;3,5;4,2;4,6;5,2;5,4;6,5]
s=E(:,1);t=E(:,2);
nodes = cellstr(strcat('v',int2str([1:6]')))
G=digraph(s,t,[],nodes);
plot(G,'LineWidth',1.5,'Layout','circle','NodeFontSize',15)
W1 = adjacency(G) %导出邻接矩阵的稀疏矩阵
W2 = incidence(G) %导出关联矩阵的稀疏矩阵

【例3】 导出图1.2所示赋权有向图的邻接矩阵和关联矩阵，并重新画图。

clc, clear, close all
E = [1, 3, 10; 1, 4, 60; 2, 3, 5; 2, 4, 20; 3, 4, 1];
G = graph(E(:,1), E(:,2), E(:,3));
W1 = adjacency(G,'weighted'), W2 = incidence(G)
plot(G,'Layout','force','EdgeLabel',G.Edges.Weight)

---

总结

这里主要是介绍一下图论最基础的概念以及简单的MATLAB图生成的工具箱的使用。内容不多，但是是后续模型建立以及求解的基础，好好理解！