运筹学课件 图与网络分析)2-2

合集下载

运筹学课件:第7章 图论与网络分析-第1,2节

运筹学课件:第7章 图论与网络分析-第1,2节

v1
v2 a
v3
v4 c
b v1
a
v2
b
v3
d
d
v4
c
第2节 最小树问题
一、树及其性质 定义1: 无圈的连通图称为树。树一般用T表示。
定理1: 任给树T=(V,E),若P(T)≥2,则 T中至少有两个悬挂点。
证明:设µ=(v1,v2,…,vk)是G中含边数最多的 一条初等链,因P(T)≥2,并且T是连通的, 故链µ中至少有一条边,从而v1与vk是不同的 。
不少数学家都尝试去解析这个事例。而这些解析,最 后发展成为了数学中的图论。
例:中国邮路问题 一个邮递员送信,要走完他所负责的全部街道分送
信件,最后返回邮局。邮递员都会本能地以尽可能少的 行程完成送信任务。
问题:他如何走?
点:路口; 边:两路口之间道路,第i条道路长ei。
问题:求一个圈,过每边至少一次,并使圈长度最短。
由于T是树,由定义知T连通且无圈。只须证明m=n-1。
归纳法: 当n=2时,由于T是树,所以两点间显然有且 仅有一条边,满足m=n-1。
假设 n=k-1时命题成立,即有k-1个顶点时,T有k-2条边。
当n=k时,因为T连通无圈,k个顶点中至少有一个点次 为1。设此点为u,即u为悬挂点,设连接点u的悬挂边 为[v,u],从T中去掉[v,u]边及点u ,不会影响T的连 通性,得图T’,T’为有k-1个顶点的树,所以T’有k-2条 边,再把( v,u)、点u加上去,可知当T有k个顶点 时有k-1条边。
4
2
v4
94
v2
3
v3 8
0 9 2 4 7 9 0 3 4 0 其权矩阵为: A 2 3 0 8 5 4 4 8 0 6 7 0 5 6 0

运筹学-7、图与网络分析PPT课件

运筹学-7、图与网络分析PPT课件

THANKS
感谢观看
KEEP VIEW
WENKU DESIGN
WENKU DESIGN
WENKU
REPORTING
https://
终止条件
所有节点都在同一连通分量中, 即生成树形成。
算法思想
从边开始,每次选择权值最小的 边加入,若形成回路则舍去,直 到生成树形成。
算法特点
适用于稀疏图,时间复杂度为 O(eloge),其中e为边数。
最小生成树问题的应用
通信网络设计
在构建通信网络时,需要在保证所有节点连通的前提下,使得建设 成本最低。最小生成树算法可以用于求解此类问题。
活动时间的估计
对每个活动进行时间估计,包括乐观时间(a)、最 可能时间(m)和悲观时间(b),并计算期望时间 (t=(a+4m+b)/6)。
项目工期的计算
根据活动的逻辑关系和网络结构,计算项目 的期望工期,并确定项目的关键路径。
网络计划技术的应用
项目进度管理
网络计划技术可用于制定详细 的项目进度计划,确保项目按
图与网络的应用背景
图与网络分析的方法
介绍图与网络分析中常用的最短路径 算法、最小生成树算法、最大流算法 等。
阐述图与网络在交通运输、电路设计、 社交网络等领域的应用。
学习目标与要求
学习目标
掌握图与网络分析的基本概念和 常用算法,能够运用所学知识解 决实际问题。
学习要求
熟悉图与网络分析的基本概念和 常用算法,了解相关应用领域, 具备一定的编程能力和数学基础。
算法步骤
初始化距离数组和访问标记数组;从起点开始,选择距离起点最近的未访问节点进行访问 ,并更新其邻居节点的距离;重复上述步骤,直到所有节点都被访问。

运筹学(第6章 图与网络分析)

运筹学(第6章 图与网络分析)
a1 (v1) 赵
(v2)钱
a2 a3 a4 a14 a15
a8 a9
a7 (v4) 李
(v3)孙
a5 (v5) 周 a6 a10 (v6)吴
图6-3
a12 a11 a13
(v7)陈

定义: 图中的点用v表示,边用e表示。对每条边可用它
所连接的点表示,记作:e1=[v1,v1]; e2=[v1,v2];
树是图论中结构最简单但又十分重要的图。在自然和社会领 域应用极为广泛。 例6.2 乒乓求单打比赛抽签后,可用图来表示相遇情况,如 下图所示。
运动员 A
B C
D
E
F G
H

例6.3 某企业的组织机构图也可用树图表示。
厂长
人事科
财务科
总工 程师
生产副 厂长
经营副 厂长
开发科
技术科
生产科
设备科
供应科
动力科
e2
(v1) 赵
e1
e3
e4 孙(v3) 李(v4)
周(v5)
图6-2
e5 吴(v6) 陈(v7)
(v2)钱
如果我们把上面例子中的“相互认识”关系改为“认识” 的关系,那么只用两点之间的联线就很难刻画他们之间的关 系了,这是我们引入一个带箭头的联线,称为弧。图6-3就是 一个反映这七人“认识”关系的图。相互认识用两条反向的 弧表示。
端点,关联边,相邻 若有边e可表示为e=[vi,vj],称vi和
e2 v2 e6 e1 e4 v1 e3 v3 e8
vj是边e的端点,反之称边e为点vi
或vj的关联边。若点vi、vj与同一条 边关联,称点vi和vj相邻;若边ei和
e5
e7

《运筹学》课件

《运筹学》课件

cj→
CB
XB
31
x1
0
x4
0
x5
-z
b
30 280 120 -930
31 22 0 0 0
ห้องสมุดไป่ตู้
x1
x2
x3
x4
x5
1 1/3 1/6 0 0
约束条件:≥,=,≤
∑aijxj ≤(=, ≥) bi (i=1,2, …n)
变量符号:≥0,unr,≤0 xj ≥0
(j=1,2, …n)
线性规划的标准形式 目标函数:max 约束条件 := 变量符号 :≥0
max z=∑cjxj ∑aijxj = bi (i=1,2, …n) xj ≥0 (j=1,2, …n)
x2
50
当z的值增加时,目
标函数与约束条件:
40
4x1+3x2 120
30
重合,Q1与Q2之间都
是最优解。
20
Q2(15,20)
可行域
10
Q1(25,0)
10
20
30
40
x1
解的讨论:
无界解:
例:max z=x1+x2 s.t. -2x1+x2 40 x1-x2 20 x1,x2 0
取目标函数最大正系数对应的非基变量为入基变量;取最小比值所对应 方程的基变量为出基变量。本例中,取 x1为入基变量, x3为出基变量。
x1+ 1/3x2 +1/6x3 26/3x2 -2/3x3 +x4 4x2 -1/2x3 +x5
= 30 =280 =120
令 非 基 变 量 x2=x3=0,z(1)=930, 相 应 的 基 可 行 解 为 x(1)=(30,0,0,280,120)T

运筹学课件 第六章图与网络分析

运筹学课件 第六章图与网络分析

v 若 eij i , v j ,称 vi , v j 是边 eij 的端 点,反之,称边 eij 为点 v i 或 v j 的关联边。 若点 vi , v j 与同一条边关联,称点 vi v j 相邻; 若边 和 具有公共的端点,称 ei ei ej 和 相邻
e3 e13 v1, v3 v3 , v1 e31
2013-12-3
18

图中有些点和边的交替顺序 0 , e1 , v1 ,...,ek , vk v ,若其中各边 e1 , e2 ,...,ek 互不相同,且对 任意 vt 1 和 vt (2 t k ) 均相邻,称为 链。 上图中 1 v5 , e8 , v3, e3, v1, e2 , v2 , e4 , v3, e7 , v4
27

因要使上述村镇全部通上电,村镇之间必 须连通,又图中必不存在圈,否则从图中去掉一 条边图仍连通,就一定不是最短路线,故架设长 度最短的路线就是从上图中寻找一棵最小树。

2013-12-3
28

用避圈法时,先从图中任选一点 S , 令 S V ,其余点 V , V 与 V 间的最 短边为( S , A) ,将该边加粗,标志它是最小 树内的边。再令 V A V ,V V A 重复上述步骤,一直到所有点连通为止。过程 如下:

如果用点表示研究的对象,用边表示这些 对象之间的联系,则图G可以定义为点与边的集 合,记作 G , E V
V v1 , v2 ,...,vn
E e1 , e2 ,..,em
式V是点的集合,E是边的集合。
2013-12-3 13

注意,上面定义的图G区别于几何学中的图。 几何学中,图中点的位置、线的长度和斜率等都 十分重要,而这里只关心图中有多少个点以及哪 些点之间有线相连。 如果给图中的点和边以具体的含义和权数 (如距离、费用、容量等)。把这样的图称为网 络图,记作N。 图和网络分析的方法已广泛应用于物理、化 学、控制论、信息论、计算机科学和经济管理等 各领域。

运筹学课件-第六章图与网络分析

运筹学课件-第六章图与网络分析
运筹学课件-第六章 图与网络分析
contents
目录
•的算法 • 图的应用
01
CATALOGUE
图的基本概念
图的定义
总结词
图是由顶点(或节点)和边(或弧) 组成的数据结构。
详细描述
图是由顶点(或节点)和边(或弧) 组成的数据结构,其中顶点表示对象 ,边表示对象之间的关系。根据边的 方向,图可以分为有向图和无向图。
04
CATALOGUE
图的算法
深度优先搜索
要点一
总结词
深度优先搜索是一种用于遍历或搜索树或图的算法。
要点二
详细描述
该算法通过沿着树的深度遍历树的节点,尽可能深地搜索 树的分支。当节点v的所在边都己被探寻过,搜索将回溯到 发现节点v的那条边的起始节点。这一过程一直进行到已发 现从源节点可达的所有节点为止。如果还存在未被发现的 节点,则选择其中一个作为源节点并重复以上过程,整个 进程反复进行直到所有节点都被访问为止。
物流网络设计的应用
在物流规划、供应链管理、运输优化等领域有广泛应用,例如通过物 流网络设计优化货物运输路径、提高仓储管理效率等。
生物信息学中的图分析
生物信息学中的图分析
利用图论的方法对生物信息进 行建模和分析,以揭示生物系 统的结构和功能。
生物信息学中的节点
代表生物分子、基因、蛋白质 等。
生物信息学中的边
Dijkstra算法
总结词:Dijkstra算法是一种用于在有向图中查找单源 最短路径的算法。
详细描述:Dijkstra算法的基本思想是从源节点开始, 逐步向外扩展,每次找到离源节点最近的节点,并更新 最短路径。该算法使用一个优先级队列来保存待访问的 节点,并将源节点加入队列中。然后,从队列中取出具 有最小优先级的节点进行访问,并将其相邻节点加入队 列中。这一过程一直进行,直到队列为空,即所有可到 达的节点都已被访问。Dijkstra算法的时间复杂度为 O((V+E)logV),其中V是节点的数量,E是边的数量。

《运筹学》全套课件清华大学

《运筹学》全套课件清华大学
通过线性规划分配有限的资源 ,使得整体效益最大化。
运输问题
通过线性规划求解运输问题中 的最优运输方案,使得总运费 最小化。
投资组合
通过线性规划确定最优的投资 组合,使得风险最小化或收益
最大化。
03
整数规划
整数规划问题的数学模型
整数规划问题的定义和分类
介绍整数规划问题的基本概念、分类以及与其 他优化问题的关系。
03

Bellman-Ford算法
适用于存在负权边的图,通过不断松弛边的方式求解最短路。
网络最大流问题
网络最大流问题的定义
给定一个有向带权图,找到从源点到汇点的最大流 量。
增广路算法
通过不断寻找增广路来增加流量,直到没有增广路 为止。
Edmonds-Karp算法
对增广路算法进行优化,使用广度优先搜索寻找增 广路。
整数规划问题的应用
生产计划问题
阐述整数规划在生产计划问题中的应用,如 生产批量计划、生产排程等。
金融投资问题
分析整数规划在金融投资问题中的应用,如 投资组合优化、风险管理等。
物流配送问题
探讨整数规划在物流配送问题中的应用,如 车辆路径问题、设施选址问题等。
其他应用领域
介绍整数规划在其他领域的应用,如计算机 科学、生物医学工程等。
运筹学的应用领域
工业工程
在生产计划、物流管理、设施规划等领域 ,运筹学可以帮助企业提高生产效率、降 低成本、优化资源配置。
其他领域
如金融工程、医疗健康、环境保护等领域 ,运筹学也发挥着重要作用,为各种实际 问题提供有效的解决方法。
交通运输
在交通规划、交通控制、航空运输等领域 ,运筹学可以优化交通网络设计、提高运 输效率、减少交通拥堵等问题。

第六章物流运筹学——图与网络分析.

第六章物流运筹学——图与网络分析.
L( )
( vi ,v j )
l
ij
最小的 。
Dijkstra算法
算法的基本步骤: (1)给 v s 以 P 标号, P(vs ) 0 ,其余各点均给 T 标号, T (vi ) 。 (2)若 vi 点为刚得到 P 标号的点,考虑这样的点 v j: (vi , v j ) E ,且 v j 为 T 标号,对 v j 的 T 标号进行如下的更改:
v2
(4,3)
v4
(3,3)
(5,3) (1,1) (1,1) (3,0)
vs
(5,1)
vt
(2,1)
v1
(2,2)
v3
图 6-14
运输线路图
第四节 最小费用最大流问题
在容量网络 G (V , E, C ) ,每一条边 (vi , v j ) E 上,除了已 给容量 cij 外,还给了一个单位流量的费用 bij 0 ,记此时的容 量网络为 G (V , E, C , B) 。 所谓最小费用最大流问题就是要求一个最大流 f ,使流的 总运输费用 b( f )
定理 6-1 任何图中顶点次数的总和等于边数的 2 倍。 推论 6-1 任何图中,次为奇数的顶点必有偶数个。 图 G (V , E ) 和图 H (V , E ) ,若 V V且E E ,则 称 H 是 G 的子图,记作: H G ;特别的,当 V V 时, 称 H 为 G 的生成子图。
容量网络g若?为网络中从sv到tv的一条链给?定向为从sv到tv?上的边凡与?同向称为前向边凡与?反向称为后向边其集合分别用??和??表示??ijff?是一个可行流如果满足??????0ijijijijiijjffcvv??????????c???0ijijijfvv????则称?为从sv到tv的关于f的可增广链

运筹学第六章图与网络分析(ppt文档)

运筹学第六章图与网络分析(ppt文档)

§6.1 图的基本概念和模型
一、概念
(1)图:点V和边E的集合,用以表示对某种现实事物
的抽象。记作 G={V,E}, V={v1,v2,···,vn}, 点:表示所研究的事物对象; E={e1,e2,···,em}
边:表示事物之间的联系。
e0
(2)若边e的两个端点重 合,则称e为环。
(3)多重边:若某两端点之 间多于一条边,则称为多重边。
D 8 64 5 0 15
E 7 53 4 1 0 6
T 14 11 9 10 5 6 0
i
dir(1)
r
drj(1)
j
⑷ 构造任意两点间最多可经过7个中间点到达的最短距 离矩阵 D(3)= dij(3)
其中
dij(3)=
min
r
{
dir(2)+
drj(2)
}
SABCDET
S 0 2 4 4 8 7 13
dir(0)
r i
drj(0)
j
⑶ 构造任意两点间最多可经过3个中间点到达的最短距 离矩阵 D(2)= dij(2)
其中
dij(2)=
min
r
{
dir(1)+
drj(1)}
SABCDET
S 0 2 4 4 8 7 14
A 2 0 2 3 6 5 11
B 4 20 1 43 9 D(2)= C 4 3 1 0 5 4 10
2. 破圈法:
⑴ 任取一圈,去掉其中一条最长的边, ⑵ 重复,至图中不存在任何的圈为止。
2. 破圈法
A
S
5 × B 5× D 5 T
C
4× E
最小部分树长Lmin=14

运筹学图与网络分析.pptx

运筹学图与网络分析.pptx
{a12,a14,a34}
{a26,a46 } φ
min{ li Wij | Vj J } lh Whk
iI
min{l1+W12, l1+W13, l1+W14}= min{0+3,0+2,0+5}=2= l1+W13 min{l1+W12, l1+W13, l3+W34}= min{0+3,0+5,2+1}=3= l1+W12, l3+W34 min{l2+W26, l4+W46}= min{3+7,3+5}=8= l4+W46
{ a57,a68 }
min{ li Wij | Vj J } lh Whk
iI
min{l1+W12, l1+W13, l1+W14}= min{0+2,0+6,0+3}=2= l1+W12 min{l1+W13, l1+W14, l2+W23, l2+W26}= min{0+6,0+3,2+3, 2+7}=3= l1+W14 min{l1+W13,l2+W23, l2+W26, l4+W45}= min{0+6,2+3,2+7,3+6}=5= l2+W23 min{l2+W26, l3+W35, l3+W36, l4+W45}= min{2+7,5+3,5+7,3+6}=8= l3+W35 min{l2+W26, l3+W36, l5+W56, l5+W57}= min{2+7,5+7,8+1,8+6}=9= l2+W26, l5+W56 min{ l5+W57, l6+W68}= min{8+6,9+4}=13= l6+W68

《运筹学》全套课件(完整版)

《运筹学》全套课件(完整版)
负指数分布、几何分布、爱尔朗分布等。
服务时间分布
负指数分布、确定型分布、一般分布等。
顾客到达和服务时间的独立性
假设顾客到达和服务时间是相互独立的。
单服务台排队系统
M/M/1排队系统
顾客到达服从泊松分布,服务时间服从负指 数分布,单服务台。
M/D/1排队系统
顾客到达服从泊松分布,服务时间服从确定 型分布,单服务台。
投资组合优化
确定投资组合中各种资产的最 优配置比例,以最大化收益或
最小化风险。
03
整数规划
整数规划问题的数学模型
01
整数规划问题的定 义
整数规划是数学规划的一个分支 ,研究决策变量取整数值的规划 问题。
02
整数规划问题的数 学模型
包括目标函数、约束条件和决策 变量,其中决策变量要求取整数 值。
03
Edmonds-Karp算法
介绍Edmonds-Karp算法的原理、步骤和实现方法,以及其与FordFulkerson算法的比较。
网络最大流问题的应用
列举网络最大流问题在资源分配、任务调度等领域的应用案例。
最小费用流问题
最小费用流问题的基本概 念
介绍最小费用流问题的定义、 分类和应用背景。
Bellman-Ford算法
优点是可以求解较大规模的整数规划问题,缺点是计算量较大,需 要较高的计算精度。
割平面法
割平面法的基本思想
通过添加新的约束条件(割平面)来缩小可行域的范围,从而逼 近最优解。
割平面法的步骤
包括构造割平面、求解子问题和更新割平面三个步骤,通过不断 迭代找到最优解。
割平面法的优缺点
优点是可以处理较复杂的整数规划问题,缺点是构造割平面的难 度较大,需要较高的数学技巧。

精选运筹学课件第八章图与网络分析资料

精选运筹学课件第八章图与网络分析资料

运筹学教程
v2
v6
e3
v3 e7
v5
运筹学教程
V= ( v1, v2,…... v6) E= ( e1, e2,…... e8) (e1)= (v1, v2) (e2)= (v1, v2) (e7)= (v3, v5) (e8)= (v4, v4) (e8)= (v4, v4),称为自回路(环); v6是孤立点,v5为悬挂点,e7为悬挂边,顶点v3的次为 4,顶点v4的次为4。
2l23+ 2l36+ l69+ l98+ l23+ 2l87+ 2l74+ l41+ l12=51
运筹学教程
第二步:调整可行方案,使重复边最多为一次
重复边 的总长:
v3
l69+ l98+ l41+ l12=21
5
v2
第三步:检查每个初等圈是否 5
v1
定理条件2,如果不满足,进行
2 v6 4 v9
例:求解网络的中国邮路问题
运筹学教程
v3
5
v2
5
v1
2 v6 4 v9
3
3
6 v5 4 v8
4
4
9
v4 4 v7
v3
5
v2
5
v1
2 v6 4 v9
3
3
6
v5 4 v8
4
4
9
v4 4 v7
第一步:确定初始可行方案
先检查图中是否有奇点,如果无奇点,为欧拉图;如果
有奇点,图中的奇点的个数比为偶数个,所以可以两两 配对,构造二重边。图中有4个奇点,v2,v4,v6,v8,配对 v2-v4,v6-v8,构造二重边。重复边 的总长:

运筹学网络计划分析共60页PPT

运筹学网络计划分析共60页PPT
1、不要轻言放弃,否则对不起自己。
2、要冒一次险!整个生命就是一场冒险。走得最远的人,常是愿意 去做,并愿意去冒险的人。“稳妥”之船,从未能从岸边走远。-戴尔.卡耐基。
梦 境
3、人生就像一杯没有加糖的咖啡,喝起来是苦涩的,回味起来却有 久久不会退去的余香。
运筹学网络计划分析4、守业的最好办法就是不断的发展。 5、当爱不能完美,我宁愿选择无悔,不管来生多么美丽,我不愿失 去今生对你的记忆,我不求天长地久的美景,我只要生生世世的轮 回里有你。
25、学习是劳动,是充满思想的劳动——乌申斯基
谢谢!
21、要知道对好事的称颂过于夸大,也会招来人们的反感轻蔑和嫉妒。——培根 22、业精于勤,荒于嬉;行成于思,毁于随。——韩愈
23、一切节省,归根到底都归结为时间的节省。——马克思 24、意志命运往往背道而驰,决心到最后会全部推倒。——莎士比亚

运筹学课件—网络分析

运筹学课件—网络分析

最大流:max( f )
f
s1
f
s
2
2 3 5
f3t f3t 2 3 5
最小截量C(V1 ,V1 )
V1 vs ,v1 V1 v1 ,v2 ,v3 ,vt

minC(V1 ,V1 ) Cs2 C13 3 2 5
fij
vi ,v j u
例. 用标号法求网络最大流
v2 (3,3) v4
(3,3)
(4,3)
vs
(1,1) (1,1) (3,0)
vt
(5,1) v1 (2,2)
(2,1) v3
解:一.标号过程
vs : 0,
vs v2 fs2 cs2 v2 不标号 vs v1 f s1 1 cs1
(f):网络流量. fij : 弧流量 max(f)
f sj f sk ( f )
j
k
fij fki 0
j
k
j
f tj
k
fkt
( f )
0 fij Cij
求一组{ fij }是个可行流,u是从Vs Vt的一条链,
若u满足:
在u 上: 0 fij Cij 非饱和
在u上: 0 fij Cij 则称u为一条增广链
v1 : vs ,lv1 vs ,4 lv1 minlvs ,cs1 fs1 min ,4 4
v1 v3 : f13 c13 v3不标 v1 v2 : f21 1 0
v2 : v1,lv2 v1,1 lv2 minlv1 , f21 min4,1 1
v2 v4 : f24 c24 v4不标 v2 v3 : f32 1 0
vi vk ,若fki 0,则v j不标号;若fki 0,则v j可标号
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
1
v3
7
3 3
v6
8
6
v7
v4
5
v5
8 -2-7
最短路性质
设有向图 D = ( V , A ),若D中的一条路 Pi i = ( v , v , … , v )
1 k
是一条从 v i1 到 v ik 的最短路,则其中任一条子路 P = ( v , v , … , v , v ) , (r =1~k-1,s =2~k )
2013-8-21 8 -2-5
8.4.2 最短路问题
给定一个赋权有向图, 即给了一个有向图 D = ( V , A ),对每一条弧 a = (vi , vj ),相应地有权 w ( a ) = wij。又给定 D 中的两个顶点vs , vt ,设 P
是D 中从 vs 到 vt 的一条路,定义路 P 的权是 P 中
i1 i k
i1
i2
ik
是从 v i 到 v i 的最短路(最短路的子路必是最短路)。 r s
ir
ir+1
is-1
is
vi
1
vi
2
vi
v
r
ir +1
v
is -1
8 -2-8
vi
v
s
ik-1
vi
k
2013-8-21
8.4.3 最短路算法
2013-8-21
8 -2-9
Dijkstra 算法
适用条件:弧 a = (vi , vj )的权wij≥ 0的赋权有 向图,边 e = [vi , vj ]的权wij≥ 0的赋权无向图。在 这种情况下,图中任一条路的权不小于其子路的 权。
有向图及其基础图
v2 v5 v2 v5
v1
v3
v6
v8 v1
v3
v6
v8
v4
v7
v4
v7
2013-8-21
8 -2-4
路与回路
给出 D 中的一个点、弧交替序列 vi , ai , vi , ai , … , v i , a i , vi
1 1 2 2 k-1 k-1
k
如果这个序列在基础图 G( D ) 中所对应的点、边 序列是一条链,则称这个点、弧交替序列是 D 的 一条链。类似定义圈和初等链(圈)。 如果 ( v i , a i , v i , ai , … , v i , a i , v i ) 1 1 2 2 k-1 k-1 k 是D 的一条链,并且对 t =1 , 2 , … , k-1,均存在 ai = ( v i , vi ),称之为从 vi 到 vi 的一条路。 t 1 1 t+1 k 若路的起点和终点相同,则称之为回路。类似定 义初等路(回路)。
所有弧的权之和,记为 w(P)。 最短路问题就是要在所有从 vs 到 vt 的路中求 一条权最小的路P0,路P0 的权称为从 vs 到 vt 的距 离,记为 d = (vs , vt )。
2013-8-21 8 -2-6
引例
已知如下图所示的单行线交通网,
v2 9 2 v1 3
2013-8-21
2
5
2013-8-21 8 -2-16
v2 2 v1 3 5 v4 2 v3
9
8 v6 6
终点
v7
最短路的 权 最后一个 中间点
1
5
3
v5
3
8 最短路的
v2 v4 v3 v5 v6 v7
16 , v6
2 3 4 7 10 15
v1
v1 v1 v2 v3 v5 v5 v7
15 , v5
2013-8-21 8 -2-17
2013-8-21
v
vi
8 -2-19
路长标号
路径标号
(2 , 1)
2
v1
(0 , 0)
v2 5
2
v3 5
9
5,1
8 3 v5
, M
3
P 标号
v4
1
3
v6 6 , M 8
v7
, M
3,1 T 标号
2013-8-21
8 -2-20
路长标号
路径标号
, M
v2 2 v1
(0 , 0)
9 2
设 D = ( V , A )是一个有向图,对于 D 中的一条弧 a = (u , v ),称 u为 a 的始点、 v为 a 的终点,称弧 a 是从 u 指向 v 的。若
从 D 中去掉所有弧上的箭头,就得到一个 类似于无向图,可以定义简单有向图、
多重有向图。
2013-8-21 8 -2-3
无向图,称之为 D 的基础图,记为 G( D )。
v4
1
3
v6 6 , M 8
v7
, M
, M
2,M , 1
2 v1
0 0) (0 ,, 0
v2
5
2
9
5 1 ,, M
3
2013-8-21
v4
1
v3 5
8
3
v5
3
8 -2-28
v6 6 , M 8
v7
, M
, 1 3,M
, M
(2 , 1) 2,1
2
v1
(0 , 0)
v3
, M
5,1 4,2
(4 , 2) 4 2
v4
, M
3,1 3 1 (3 ,, 1) -
v5
, M , M , M
8,4 7 3 (7 ,, 3)
v6
, M , M
11 , 2 11 , 2 11 , 2 10 . 5 (10 , 5)
v7
, M , M , M , M , M
(3 , 1) (2 , 1)
(7 , 3)
2 v1
(0 , 0)
v2 5
2
9
(4 , 2)
v6 8
(10, 5)
6
v7
(15 , 5)
3
2013-8-21
v4
1
v3 5
3
v5
3
8 -2-26
8
(3 , 1)
(7 , 3)
, M
2
v1
0,0
v2 5
2
v3 5
9
, M
8 3 v5
, M
3
v4
1
v3 5
3
v5
3
8 -2-30
8
(3 , 1)
7 3) (7 ,, 3
(2 , 1)
2
v1
(0 , 0)
v2 5
2
v3 5
9
(4 , 2)
v6
8
10 5 (10 , ,5)
6
v7
15 , 5
3
v4
1
3 v5
3
8
(3 , 1) (2 , 1)
(7 , 3)
2 v1
(0 , 0)
v2
5
2
9
(4 , 2)
1 (3 ,, 1) 3 M
, 3) (7 , 4 7 M 8 3
应用举例
例8.(书上例4) 设备更新问题。每年年初,要决定是购置新的,还 是继续使用旧的。 问题:如何制定一个几年内的设备更新计划,使得 总的支付费用最少。
2013-8-21
8 -2-35
购置年度 购置费用
第1年
第2年
第3年
第4年
第5年
11 0~1 5
11 1~2 6
12 2~3 8
8 -2-36
12 3~4 11
13 4~5 18
使用年数 维修费用
2013-8-21
网络模型的要素设置
用点 vi 代表第 i 年年初 i = 1 ~ 6 ; 用弧( vi , vj ) 表示第 i 年年初购买一台新设备用到 第 j 年年初报废 j = (i+1) ~ n ; 用弧的权 wij 作为设备的购置费与维修费之和
路径上溯
最短路的 终点 最短路的 权 最后一个 中间点
v2
9 2 v1 5 2 v3 7 3 5 v5 3
v2 v4 v3 v5 v6 v7
v6 8
8 -2-18
2 3 4 7 10 15
6
v1 v1 v2 v3 v5 v5
v7
3
2013-8-21
1
v4
Dijkstra 算法的程序
( i ) 令 k = 0, Sk= , T( vs )= 0 , ( vs )= 0 , 对每一个 vj = vs ,令 T( vj ) = +( vj )=M,转入( ii ) 。 ( ii ) 令T( v i k ) = min{ T( vj ) | vj Sk }。 若T( v ) < + ,则把 v i k 的 T 标号变为 P 标号 P( v ) ik ik = T( v i k ) ,令 Sk+1= Sk { v i k }。 若 Sk= V,计算终止,d(vs , vj ) = P( vj ) , vj Sk。 若 SkV,令 l = ik ,把 k 换成 k+1,转入( iii )。 若T( v ) = + ,计算终止。d (vs , vj ) = P( vj ) , vj Sk ; ik d (vs , vj ) = T( vj ) = + , vj Sk 。 ( iii ) 考查每个使( vl , vj )A 并且 vj Sk 的点 vj ,若T( vj ) > P( vl ) +wlj,则把 T( vj ) 修改为 P( vl ) +wlj,把 ( vj ) 修改 为 l,转入( ii ) 。
相关文档
最新文档