图论模型的构建

合集下载

图论模型(最优连线问题最短路问题)PPT课件

图论模型(最优连线问题最短路问题)PPT课件
择的边组成图为无圈图,②新选边是满足①的尽可能 小的权。
(3)当(2)不能继续执行时停止。
(其思想是:在剩余边集中找边权最小的边添加到生成树中,同时又 不能产生回路即以局部的最优谋求全局的最优。)
上述的描述实际上是最小生成树的逐 步生长过程,上例的最小生成树如下:
A 5
1 3
D
8 E
水厂
9
B 7
6 10
著名数学家欧拉
七桥问题
图的基本概念
无 向 图
1 定义:由顶点和边组成的图形称为图。 有 向 图



2 边e与顶点u、v相关联。顶点u与v相邻。
e
u
边e1与e2相邻。
e1
v
e2
u=v时,边e称为环。
3度
定义:与顶点v关联的边的数目称为顶点的度数, 记为d(v)。(注:环算2度。)
对于有向图的顶点的度数,还可分为出度 d ( v ) 和 入度 d ( v ) 。
u3
u6
0 8
1
6
u8
5
10
5
2
6
1
1
u4
10
u7
第五步:min{8,11,11,9,8,12,7,11,11},u3。
u2
1
2
u5
3
2
7
5
3
9
u1
u3
u6
0
8
7
1
6
u8
5
10
5
2
6
1
1
u4
10
u7
第六步:min{11,12,11,11,9},u7。
u2
1
2

数学建模-图论模型

数学建模-图论模型

思路分析
• 每学期任课老师都有一定工作量的要求往往可能要上不止一门课 程。
• 每位同学需要在学期内完成若干门课程的学习。 • 某些对上课设施有特殊要求的课程,也不可以安排在同一时间。 • 为了方便开展一些全校性的活动,有些时段不安排课程。 • 受到教室数量的限制,在同一时段无法安排太多的课程。
模型建立
• 以每个课程为顶点,任何两个顶点之间连一条边当且仅当两门课 程的任课老师为同一人,或有学生同时选了这两门课或上课教室 冲突。
• 那么一个合理的课程安排就是将图中的点进行分化,使得每一个 部分里的点为一个独立集。
• 通过极小覆盖找出图中的极 大独立集,然后删去该极大 独立集,在剩下的图中找出 极大独立集,直到剩下的图 为一个独立集。
匈牙利算法
• 饱和点:M是图G的一个匹配,若G中顶点v是M中某条边的端 点,则称M饱和v,否则称v是M的非饱和点。
• 可扩路:一条连接两个非饱和点x和y的由M外的边和M的边交错 组成的路称为M的(x,y)可扩路。
• 算法基本步骤:
Kuhn-Munkres算法
1.2 图的独立集应用
• 问题描述:各大学学期临近结束时,需要根据老师任课 计划和学生选课情况,再结合教室资源情况安排下一学 期的课程及上课时间和地点。下表所示是某大学电信学 院的大三各专业部分课程情况。该学院每届学生按专业 分班,统一选课。另外,学院只有一间普通机房和一间 高级机房。那么应该如何合理地排这些课程呢?
则称其是双连通或强连通的。对于不是双连通的图,都可以分解成 若干个极大的双连通分支,且任意两分支之间的边是同向的。
举例:
• 右图所示竞赛图不是双连通的

为一条有向
的D哈密尔A顿路B。 C E

图论模型的构建

图论模型的构建
图论模型的构建

•二.图论建模方法
1. 要素的选取
• 在建立模型之前,我们首先要对研究对象进
行全面的调查,将原型理想化、简单化;然后对
原型进行初步的分析,分清其中的各个要素及求
解目标,理出它们之间的联系;下一步就是用恰
当的模型来描述这些要素及联系。
• 【例1】渡河问题

一个人带了一只狼、一只羊和一筐白菜想要
•e
•e3
4

•2. 选择合适的理论体系
• 图由点、边、权三部分组成,根据这三部分的 性质的不同,就有着不同的图论模型,有着不同的理 论和算法,也就构成了不同的理论体系。图论建模依 据的是图论的基本理论和基本算法。
• 例如二分图把整个点集V分为两个子集,规定子 集内部的点之间没有边,因此二分图就有着不同于一 般图的特殊性质,而它的匹配算法也就比一般图的算 法简单;此外还有树、有向无环图等,它们属于不同 的理论体系,有着各自不同的性质,适于用不同的算 法求解。
•问题的求解目标:求河上往返次数最少的渡河方案。
• 对于要素(1),用字母m代表人,w代表狼,s代表 羊,v代表白菜。 • 要素(2)、(3)可抽象为开始时设人和其他三样东 西在河的左岸,这种情况用集合{mwsv}表示。在过河过 程中左岸出现的情况有以下16种: •{wmsv} {mws} {mwv} {msv} {wsv} {mw} {ms} {mv} •{ws} {wv} {sv} {m} {s} {v} {w} {φ}
过河。河上有一只小船,每次除了人以外,只能
带一样东西。另外,如果人不在时狼就会吃掉羊
,羊就要吃白菜。问怎样安排渡河,才能做到既
把所有东西都带过河,而且在河上往返次数最少

数学建模图论模型

数学建模图论模型
若将图G的每一条边e都对应一个实数Fe,则称 F(e)为该边的权,并称图G为赋权图(网络), 记为 G = <V, E , F>。
任意两点均有通路的图称为连通图。
连通而无圈的图称为树,常用T=<V,E>表示树。
若图G’是图 G 的生成子图,且G’又是一棵树, 则称G’是图G 的生成树。
例 Ramsey问题
图1
图2
并且常记: V = v1, v2, … , vn, |V | = n ; E = {e1, e2, … , em}ek=vivj , |E | = m
称点vi , vj为边vivj的端点 在有向图中, 称点vi , vj分别为边vivj的 始点和终点. 该图称为n,m图
8
对于一个图G = V, E , 人们常用图形来表示它, 称其 为图解 凡是有向边, 在图解上都用箭头标明其方向.
4、P'代替P,T'代替T,重复步骤2,3
定理2 设 T为V的子集,P=V-T,设 (1)对P中的任一点p,存在一条从a到p的最短路径,这条路径仅有P中的
点构成, (2)对于每一点t,它关于P的指标为l(t),令x为最小指标所在的点, 即:
l(x)mli(tn )} t{ ,T
(3)令P’=P Ux,T’=T-{x},l’(t)表示T'中结点t关于P'的指标,则
解:用四维01向量表示人,狼,羊,菜例在过河西河岸问的题状态(在
岸则分量取1;否则取0),共有24 =16 种状态; 在河东岸 态类似记作。
由题设,状态(0,1,1,0),(0,0,1,1),(0,1,1,1)是不允许的
其对应状态:(1,0,0,1), (1,1,0,0),(1,0,0,0)也是不允许

数学建模方法之图论模型

数学建模方法之图论模型
2) 在有向图中,从顶点v引出的边的数目称为顶点 v的出度,记为d+(v),从顶点v引入的边的数目称为 v的入度,记为d -(v). 称d(v)= d+(v)+d -(v)为顶点v的 度或次数.
定理 d (v) 2.
vV
推论 任何图中奇点 的个数为偶数. d (v1) 4
d (u3) 1
d (u3) 2
一个顶点记为 ui1,置 Si1 Si {ui1}.
3) 若 i 1,则停Hale Waihona Puke ;若 i 1,则用 i+1 代
替i,并转2).
S0 {u0},l(u j ) , j 1,2,...,7.
u1 S0 l(u1) min{,0 1}
Dijkstra算法: 求G中从顶点u0到其余顶点的最短路.
G[{v1,v2,v3}] G[{e3,e4,e5,e6}]
3) 若 V V,且 V ,以 V 为顶点集,以两端点 均在V 中的边的全体为边集的图 G 的子图,称 为G的由V 导出的子图,记为 G[V ] .
4) 若E E,且 E ,以 E为边集,以 E 的端点 集为顶点集的图 G 的子图,称为 G 的由E 导出的
第二讲 图论模型
1. 问题引入与分析
2. 图论的基本概念
3. 最短路问题及算法
4. 最小生成树及算法

5. 旅行售货员问题

6. 模型建立与求解 下
1. 问题引入与分析
1) 98年全国大学生数学建模竞赛B题“最佳灾 情巡视路线”中的前两个问题是这样的:
今年(1998年)夏天某县遭受水灾. 为考察灾情、 组织自救,县领导决定,带领有关部门负责人到 全县各乡(镇)、村巡视. 巡视路线指从县政府 所在地出发,走遍各乡(镇)、村,又回到县政 府所在地的路线.

5、图论模型的建立

5、图论模型的建立
图论建模
信息学竞赛解题的一个重要步骤是数学建模, 如几何模型、代数模型、运筹学模型等。图论模型 的构造(图论建模)也是数学建模的一个分支。 在建立一个问题的模型之前,首先要对研究对 象进行全面的调查,将原型理想化、简单化(对于 竞赛而言,这一步大部分已经由命题者完成);然 后对原型进行初步的分析,分清其中的各个要素及 求解目标,理出它们之间的联系;然后用恰当的模 型来描述这些要素及联系。
图论建模
[问题分析] 1、问题的数据规模只有200,所以很容易想到用搜索, 由于要输出最优解(要求的是最快的次数),所以是宽搜。 2、对于A楼而言,实际上对它最多只能做2个操作, 上到A+X层或下到A-X层,当然前提是存在A+X或A-X层。显 然,如果把每一层楼看做一个顶点,如果A楼可以到B楼, 则从顶点A引一条到顶点B的边。对于样例,如下图:
下面,我们把每个si抽象成一个点,则根据上述两个不等式可以建立一个 有 向 图, 图中 共 有n+1个顶 点 ,分 别为 s0 ,s1 ,……,sn 。若 si>sj(0≤i, j≤n),则从si往sj引出一条有向边。例如对于n=6,p=5,q=3的情况,我们可 以建立下图。
常州市第一中学 林厚从
图论建模
图论模型和其它模型在研究方法上有着很大的 不同,例如可以运用典型的图论算法来对图论模型 进行求解,或是根据图论的基本理论来分析图论模 型的性质,这些特殊的算法和理论都是其它模型所 不具备的,而且在其它模型中,能用类似于图这种 直观的结构来描述的也很少。
常州市第一中学 林厚从
是指对一些客观事物进行抽象、化简, 并利用图来描述事物特征及其内在联系的过程。建 立图论模型的目的和建立其它数学模型一样,都是 为了简化问题,突出要点,以便更深入地研究问题 的本质;它的求解目标可以是最优化问题,也可以 是存在性或构造性问题;并且和几何模型、运筹学 模型一样,在建立图论模型的过程中,也需要用到 集合、映射、函数等基本的数学概念和工具。

图论基础知识

图论基础知识
常州市第一中学 林厚从
图论算法与实现
一、图论基础知识
4、图的遍历: 对下面两个图分别进行深度优先遍历,写出遍历结果。 注意:分别从a和V1出发。
左图从顶点a出发,进行深度优先遍历的结果为:a,b,c,d,e,g,f 右图从V1出发进行深度优先遍历的结果为:V1,V2,V4,V8,V5,V3,V6,V7
邻接矩阵
边集数组
邻接表
优点O(1)
存储稀疏图时,空 间效率比较好,也 比较直观
便于查找任一顶点的关联边及 关联点,查找运算的时间复杂 性平均为O(e/n)
存储稀疏图,会造 成很大的空间浪费
不适合对顶点的运 算和对任意一条边 的运算
要查找一个顶点的前驱顶点和以此顶点 为终点的边、以及该顶点的入度就不方 便了,需要扫描整个表,时间复杂度为O (n+e)。可以用十字邻接表改进
被访问一次,这种运算操作被称为图的遍历。为了避免重复访问某个 顶点,可以设一个标志数组visited[i],未访问时值为false,访问一次 后就改为true。
图的遍历分为深度优先遍历和广度(宽度)优先遍历两种方法。 图的深度优先遍历:类似于树的先序遍历。从图中某个顶点Vi出发, 访问此顶点并作已访问标记,然后从Vi的一个未被访问过的邻接点Vj出 发再进行深度优先遍历,当Vi的所有邻接点都被访问过时,则退回到上 一个顶点Vk,再从Vk的另一个未被访问过的邻接点出发进行深度优先遍 历,直至图中所有顶点都被访问到为止。
常州市第一中学 林厚从
图论算法与实现
一、图论基础知识
4、图的遍历: 对于一个连通图,深度优先遍历的递归过程如下:
Procedure dfs(i:integer); {图用邻接矩阵存储} Begin
访问顶点i; Visited[i]:=True; For j:=1 to n do {按深度优先搜索的顺序遍历与i相关联的所有顶点}

图论建模方法

图论建模方法
• 定理10. 8设T是(n.m)非平凡图.则下列命题等价: • (1) T是树; (2)T无圈.m=n-1; • (3) T连通.m=n-1;(4)T无圈.任加一边有唯一圈; • (5)T连通.任去一边不连通;(6) T的任二顶点恰有一条路连通. • 由定理10. 8可直接导出下面的结果: • (1)树是边数最少的连通图; (2)连通图的极大无圈生成子图是生成树; • (3)连通图的极小连通生成子图是生成树. • 由此可见.在n个城市之间.修建n-1条直通高速公路足以形成连通的
• 称图G与图H同构.记为G= H.如果存在V (G)与V(H)的一一对应.同时存 在E(G)与E(H)的一一对应.且保持顶点与边的关联关系不变.例如.在图 10. 3中·图G与图H同构.同构的图可看成同一个图.只是顶点与边的标 号可能不同而已.
• 定义10. 3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dG (v).简记为d (v).对有向图.顶点v少的出关联边数称为出度.记 为dG' (v)或d' (v).人关联边数称为入度.记dG (v)或d(v).显然
• 我们可用定义或图形表示一个图.但注意到图的关联关系和邻接关系. 还可以用矩阵来表示一个图.从而更有利于计算机处理.
• 定义10. 5设G是(n.m)图·则以矩阵A = (aij) nx m表G的关联矩阵.其 中
• 以H=(hij )nx n表T邻接矩阵.其中hij为以顶点vi和vj为端点的边数(i,j =1.2...…n).
• 有n个顶点m条边的图称为(n,m)图.(n,0)图叫零图.特别地.(0,0)图叫空 图.(1 ,0)图叫平凡图.没有环与平行边的图称为简单图.任意两顶点都相 邻的简单图称为完全图.有n个顶点的完全图记为Kn.若V(G)能分解为 V1与V2,使得

第九章 图论方法建模

第九章 图论方法建模

第九章图论的数学模型在现实生活、生产中,经常遇到研究事物之间关系的问题.我们可以用图把各种关系形象而直观地描绘出来.图中的点表示要研究的离散对象,用边表示对象间的关系,并利用图的性质和算法求解模型.这是研究离散问题的重要手段.本章将介绍数学上图论的基本概念与最小树、最短路、中国邮递员问题、网络最大流问题及相关的模型应用.9.1 图论的基本概念在实际生活当中,我们常利用点与线的示意图反映对象间的关系.例1图9.1是我国北京、上海等十个城市间的铁路交通图,反映了这十个城市间的铁路分布情况.这里用点代表城市,用点和点之间的连线代表着两个城市之间的铁路线.例2 有甲、乙、丙、丁、戊五个球队,它们之间比赛的情况,也可以用图表示出来.已知甲队和其它各队都比赛过一次,乙队和甲、丙队比赛过,丙队和乙、丁队比赛过,丁队和丙、戊队比赛过,戊队和甲、丁队比赛过.为了反映这个情况,可以用点v1,v2,v3,v4,v5分别代表五个队,两队之间比赛过,就在这两个队相应点之间连一条线,这条线不过其它点,如图9.2所示.如果我们要进一步反映比赛中的胜负关系,可以用一条带箭头的连线表示,如甲队胜了乙队,可以从v1引一条带箭头的连线到v2.如图9.3反映了五个球队比赛的胜负情况,可见v1三胜一负,v4三场球全负等等.综上所述,图论中的图是由一些点及一些点间的连线组成的.它不同于通常意义的几何图形,它用点表示事物,用点间有无连线表示事物之间的某种关系,以一种抽象的形式来表达确定的事物.由上例知,点间的连线有的不带箭头,有的带箭头.为了区别起见,前者称为边,后者称为弧.如一个图G是由点及边所构成的,则称之为无向图(也简称图),记为G=(V , E) .式中V,E分别是G的点集合和边集合.一条连接点v i,v j∈V的边记为[v i,v j](或[v j,v i]).如图9.4是一个无向图.V={ v1,v2,v3,v4},E={e1,e2,e3,e4,e5,e6,e7},其中e1=[v1,v2](或[v2,v1]). e2 =[v1,v2] e3=[v2,v3] e4=[v3,v4] e5=[v1,v4] e6=[v1,v3] e7=[v4,v4] .如果一个图D式由点及弧所构成的,则称为有向图,记为D=(V,A).式中V,A分别表示D的点集合和弧集合.一条方向从v i指向v j的弧记为(v i,v j).如图9.5是一个有向图.V={ v1,v2,v3,v4,v5}. A={a1,a2,a3,a4,a5,a6}.其中,a1=( v1,v2),a2=( v2, v1),a3=( v1, v3), a4=( v4 ,v2),a5=( v3, v4),a6=( v4, v5).下面再介绍一些常见名词和记号.考虑无向图G=(V , E).若边e=[u,v] ∈E,则称u,v是e的端点,也称u,v是相邻的.称e是点u(及点v)的关联边.若图G中,某个边的两个端点相同,则称e是环(如图9.7中的e7).若两个点之间有多于一条的边,称这些边为多重边(如图9.4中的e1,e2).一个无环、无多重边的图称为简单图.一个无环,但允许有多重边的图称为多重图.以点v 为端点的边的个数称为v 的次,记为d(v).如图9.4中d(v 1)=4,d(v 2)=3,d(v 4)=4(环e 7在计算d(v 4)作两次算).次为奇数的点,称为奇点,否则称为偶点.给定一个图G=(V , E).一个点、边交错序列(1i v ,1i e ,2i v ,2i e ,…,1-k i v ,1-k i e k i v ),如果满足t i e =[t i v ,1+t i v ](t=1,2,3, …k -1).则称之为一条联结链1i v ,k i v 的链,记为(1i v ,2i v ,,…,1-k i v , k i v ).链(1i v ,2i v ,,…,1-k i v , k i v )中,若1i v =k i v ,则称之为一个圈,记为(1i v ,2i v ,…1-k i v , 1i v ).若链中(1i v ,2i v ,,…k i v )中,1i v ,2i v ,,…k i v 都是不同的,则称之为初等链;若圈中(1i v ,2i v ,…,1-k i v , 1i v )中1i v ,2i v ,…,1-k i v 都是不同的,则称之为初等圈;若链(圈)中含的边均不相同,则称之为简单链(圈).以后说到链(圈),除非特别交代,均指初等链(圈).例如图9.6中,(v 1,v 2,v 3,v 4,v 5,v 3,v 6)是简单链,但不是初等链.(v 1,v 2,v 3,v 4,v 5)是一条初等链.(v 1,v 2,v 3,v 4,v 1)是初等圈.(v 4,v 1,v 2,v 3,v 5,v 7,v 6,v 3,v 4)是简单圈,但不是初等圈.图中不存在v 1到v 9的链.图G 中,若任何两点之间,至少有一条链,则称G 是连通图.否则称不连通的图.给定一个图G=(V , E).若)E ,V (G ''='使V=V '及E '⊆E ,称G '是G 的支撑子图.如图9.7中,(b )是(a )的支撑子图,而(c )不是.设给有向图D=(V ,A) .从D 中去掉弧上的箭头,所得到的无向图称D 的基础图.D 中一条弧a=(u,v), u 称a 的始点,v 称a 的终点.称弧是从u 指向v 的.设(1i v ,1i a ,2i v ,2i a ,…1-k i v ,1-k i a ,k i v )是D 中的点、弧交错序列,在基础图中对应一条链,称为D 的链.类似的定义D 中圈.如(1i v,1i a,2i v,2i a,…1-k i v,1-k i a,k i v)是D中一条链,且t i a=(t i v,1+t i v)称从1i v到k i v 的一条路.若路中的第一个点和最后一个点相同,称回路.如图9.8(v1,v3,v4,v5)是从v1到的v5路,(v1,v2,v4,v5)是链,不是路.(v1,v3,v4,v2,v1)是回路.注:对无向图、链与路(圈与回路)这两个概念是一致的.9.2最小支撑树与最短路9.2.1最小支撑树(最小生成树)及其算法.例1 已知有五个城镇,要再它们之间架电话线,要求任何两个城镇都可以互相通话.(允许通过其它城镇),并且电话线的根数最少.用五个点v1,v2,v3,v4,v5代表五个城镇.如果在某两个城镇之间架设电话线,则在相应两个点之间连一条边,这样一个电话线网就可以用一个图来表示.为了使任何两个城镇都可以通话,这样的图必须是连通的.其次,若图中有圈,从圈上任去一边,余下图任连通,省去一根电话线.因而,满足条件的电话线网对应的图必是连通、不含圈的图.如图9.9定义1. 一个无圈的连通图称树.定义2.设图T=(V, E')是G=(V , E)的支撑子图,如果图T=(V, E')是一个树,则称T 是G的支撑树.定义3. 图G=(V , E),G中每一条边[v i,v j],相应地有一个数w ij,则称这样的图G为赋权图. w ij称为边[v i,v j]的权.这里所说的“权”,是指与边有关的数量指标.根据实际问题的需要,可以赋予它不同的含义,例如表示距离、时间、费用等.赋权图不仅指出各点间的邻接关系,同时也表示出各点间的数量关系.定义4. 设有连通图G=(V , E),对每一e=[v i,v j]有一非负权,w(e)= w ij.如果T=(V, E')是G的支撑树,称E'中所有边权数之和为支撑树T的权,记为w(T).即w(T)=∑w ij.[vi,∈Tvj]如果支撑树T*的权w(T*)是所有支撑树的权中最小者,则称T*是G的最小支撑树(简min w(T).称最小树).既w(T*)=T最小支撑树有其广泛的应用,如例1,支撑树有多种,如给出各城镇间的道路长度,我们则应选用造价最低的电话线网.这个问题就是赋权图上的最小树问题.下边就是介绍求最小树的算法.方法一、(避圈法)该算法是1956年由Kruskal(克鲁斯凯尔)提出.步骤如下:设G为由m个节点构成的连通赋权图.(1)先把G中所有边按权数大小由小到大重新排列,并取权数最小的一条边取为T中的边.(2)从剩下的边中按(1)中排列取下一条边.若该边与前已取进T中的边形成某个回路,则舍去该边;否则把该边取进T中.重复步骤(2),直至有m-1条边取进T中为止,则这m-1条边就组成G的最小支撑树.例2 (如图9.10)8个城市v0,v1,…,v7之间有一个公路网,公路为图中的边,边上的权数表示公路的长度,现要沿公路架设电话线,要求如何架设,使电话线总长最小.解:这个问题就是求图9.10上的最小树.先按各边权数由小到大排列.为e1=[v0,v1], e2=[v2,v3], e3=[v1,v2], e4=[v0,v2],e5=[v5,v6], e6=[v3,v4],e7=[v1,v3],e8=[v4,v5],e9=[v4,v7],e10=[v0,v5],…顶点数m=8. 由Kruskal法的步骤,顺次试将e1,e2,e3,e4,e5,e6,e7,e8,e9取进T中(舍去e4和e7),于是最小支撑树T={ e1,e2,e3,e5,e6,e8,e9}.如图9.11.方法二、(破圈法)任取一圈,从圈中去掉一条权最大的边(如果有两条或两条以上的边都是权最大的边,则任意去掉其中一条).在余下的图中,重复这个步骤,一直得到一个不含圈的图为止,这时的图便是最小树.用破圈法解上题,任取一圈,比如(v1,v0,v6,v1),边[v6,v0]最大,于是去掉;取圈(v1,v0,v2,v1),边[v0,v2]与[v1,v2]都为2,任去一边[v0,v2].如此下去,得到一个不含圈的图.即为最小树.9.2.2 最短路问题及Dijkstra(迪杰斯特拉)算法.一个典型的最短路问题如下:例3. 8个城市之间v0,v1,…,v7之间有一个公路网(如图9.12).每条公路为图中的边,边上的权数表示通过该公路所需的时间.你在城市v0,从v0到v7应该选择什么路径,所需时间最少?即求d(v0,v7) (表示从v0到v7的最短路径的和)目前公认解决最短路的最佳算法是由Dijkstra提出的.这个算法不仅得到从v0到v7的最短路,还会得到由v0出发到其它各点的最短路.Dijkstra法的基本思想是从v0出发,逐步向外探寻最短路.执行过程中,与每个点对应,记寻下一个数(称为这个点的标号),它或者表示从v0到该点的最短路的权(称为P标号),或者是从v0到该点的最短路权的上界(称为T标号).方法的每一步是去修改T标号,并且把T标号点改为具有P标号的点,从而使G中具P标号的顶点数多一个.这样,经过p-1步(p 是图中点的个数),就可求出从v 0到各点的最短路.在叙述Dijkstra 算法之前,以例3为例说明一下这个方法的思想.例3中,v 0出发,w ij ≥0.故有d(v 0 ,v 0)=0.这时v 0是具有P 标号的点.考察从v 0出发的三条边,[v 0,v 1], [v 0,v 2] ,[v 0,v 3].从v 0出发,沿[v 0,v 1]到达v 1,需时间d(v 0 ,v 1)+w 01=2;如从v 0出发,沿[v 0,v 2]到达v 2,需时间d(v 0 ,v 0)+w 02=8;类似的,沿[v 0,v 3]到v 3,需时间d(v 0 ,v 0)+w 03=1.因min{ d(v 0 ,v 0)+w 01, d(v 0 ,v 2)+w 02, d(v 0 ,v 0)+w 03}=1.可断言,从v 0出发到v 3的最短路需时间1.即d(v 0 ,v 3)=1.最短路(v 0,v 3).这时因为从v 0到v 3的任一条路,如不是(v 0,v 3),则必先从v 0沿[v 0,v 1]到达v 1,或沿[v 0,v 2]到达v 2.但如此,此时已需时间2或8,不管再如何从v 1或v 2到达v 3,所需时间不会比1少.因而推知d(v 0 ,v 3)=1.这样使v 3具有P 标号.现在考察从v 0,v 3指向余点的边.由上已知,从v 0出发,沿[v 0,v 1]到达v 1,需时间为2;如从v 0出发,沿[v 0,v 2]到达v 2,需时间为8;从v 3出发,沿[v 3,v 2]到达v 2,需时间d(v 0 ,v 3)+w 32=8,从v 3出发,沿[v 3,v 6]到达v 6,需时间d(v 0 ,v 3)+w 36=10.因min{ d(v 0 ,v 0)+w 01, d(v 0 ,v 2)+w 02, d(v 0 ,v 3)+w 32, d(v 0 ,v 3)+w 36}= d(v 0 ,v 0)+w 01=2,基于同样的理由,从v 0到v 1的最短路是:(v 0 ,v 1),即d(v 0 ,v 1)=2.又使v 1变成具有P 标号的点.如此重复,直到求出v 0到v 7的最短路.下面给出Dijkstra 的一般步骤:用P ,T 表示某点的P 标号、T 标号,S i 表示第i 步时,具P 标号的点集.1. (i =0)令S 0={v s } 对于v ≠v s ,T(v)=+∞.2. 如果S i =V (V 表示图中所有点的集合),算法终止,这时考察对每个v ∈S i ,d(v s ,v)=P(v);否则,进入3.3. 考察每个使[v k ,v j ]∈E 且v j ∉S i 的点.如果T(v j )>P(v k )+w kj ,则把 T(v j )改为P(v k )+w kj ;否则,转入4.4. 令T(i j v )=ij S v ∉min {T(v j )}.把i j v 的T 标号变为P 标号,P(i j v )=T(i j v );令S i+1=S i +{i j v },转入2;现用该法求例3,v 0到 v 7的最短路.1. v s =v 0,S 0={v 0}.P(v 0)=0.2. [v 0,v 1]∈E, v 1∉S 0, P(v 0)+w 01<T(v 1), T(v 1)修改为P(v 0)+w 01=2.同理 T(v 2)修改为P(v 0)+w 02=8; T(v 3)修改为P(v 0)+w 03=1.3. 在所有T 标号中,T(v 3)最小.于是令P(v 3)=1.S 1={v 0,v 3}.i =1.2. T(v 6)=P(v 3+w 36)=10.3. 在所有标号中,T(v1)=2最小,令P(v1)=2. S2={v0,v1,v3}.i=2.2. T(v4)=P(v1)+w14=3.3. 在所有标号中,T(v4)=3最小,令P(v4)=3.S3={ v0,v1,v3,v4}.i=3.2. T(v7)=12, T(v5)=6.3. 在所有标号中,T(v5)=6最小,令P(v5)=6.S4={ v0,v1,v3,v4,v5}.i=4.2. T(v2)=7.3. 在所有标号中,T(v2)=7最小,令P(v2)=7.S5={ v0,v1,v2,v3,v4,v5}.i=5.2. T(v6)=9.3. 在所有标号中,T(v6)=9最小,令P(v6)=9.S6={ v0,v1,v2,v3,v4,v5,v6}.i=6.2. T(v7)=12.3. 在所有标号中,T(v7)=12最小,令P(v7)=12.S7={ v0,v1,v2,v3,v4,v5,v6,v7}.i=7.因为S7=V,所以终止.从v0到v7的最短路d(v0,v7)=P(v7)=12.路径为(v0,v1,v4,v7)或(v0,v1,v4,v5,v7)或(v0,v1,v4,v2,v6,v7).9.3中国邮递员问题一名邮递员带着要分发的邮件出发,经过要分发的每条街道,送完邮件后又返回邮局.如何设计送件路线,以尽可能少的行程来完成送邮件的任务.这类问题是由我国的管梅谷教授于1962年提出,国际上称为中国邮递员问题.若要把它抽象为图论的语言,就是在一个连通的赋权图中,寻找一个圈,过每边至少一次,使圈的总权最小.为了解决这个问题,我们先了解一下有关一笔画的问题.给定一个连通多重图G,若存在一条链,过每边一次,其仅一次,则称链为欧拉链.若存在一个简单圈,过每边一次,称欧拉圈.一个图有欧拉圈,则称为欧拉图.显然,一个图若能一笔画出,此图必是欧拉圈或含有欧拉链.定理1 连通多重图G是欧拉图当且仅当G中无奇点.(证略)有了以上知识,我们就可知,如果邮递员负责的范围,街道图如无奇点,就可从邮局出发,走每条街道一次,且仅一次,回到邮局.这样的路程最优.而对于有奇点的街道,就必须在某些街道重复一次或多次.如图9.13的街道图中,若v1是邮局,邮递员可按路线:v1→v2→v3→v4→v1→v6→v5→v4→v1(总权12),也可按路线:v1→v2→v3→v4→v1→v6→v5→v4→v5→v6→v1(总权16).按第一条路线,在边[v1,v4]上重复一次.而第二条路线,在[v5,v4][v6,v5][v6,v1]重复一次.如果在某条路线中,边[v i,v j]重复几次,我们在图v i,v j之间增加几条边,每条边的权和原来的权相等.新增加的边称重复边.这条路线是相应新图的欧拉圈,如图9.14(a)和(b).显然,两条路线的总路程差等于相应重边权的差.因而,原问题可以叙述为在一个有奇点的图中,增加重复边,使新图不含奇点,且重复边总权最小.我们把新图不含奇点而增加重复边的方案,称为可行方案.使总权最小的可行方案称为最优方案.方法分两步:一、可行方案的确定方法.因为在任一图中,奇点个数必为偶数.所以图中有奇点,就可以配成对.又因图连通,故每对奇点间必有一条链.我们把这条链的所有边作为重复边加到图中,可见新图必无奇点,成为可行方案.例1 图9.15中的街道图,有v2,v4,v6,v8四个奇点,我们以v2,v4为一对,v6,v8为一对.在图9.15中,连v2与v4的链中任一条,例取(v2,v1,v8,v7,v6,v5,v4),并加上相应的重复边.同样任取v6与v8间的链(v8, v1,v2,v3,v4,v5,v6),并加上相应的重复边,得图9.16.这个图,没有奇点.故已是欧拉图.总权为2w12+w23+w34+2w45+2w56+w67+w78+2w18=51二、调整可行方案,使重复边总长下降.(a)在最优方案中,图的每一条边最多有一条重复边.一般情况下,若[v i,v j]上有两条以上重复边,去掉偶数条.例如图9.16 [v1,v2]有两条重复边,都去掉,图仍无奇点.但总长度下降,仍是可行方案.对其它重复边也是如此.得图9.17.(b)在最优方案中,图中每个圈上重复边的权不大于该圈总权的一半.我们看到,如图中某圈重复边去掉,给原来没有的加上,图中仍无奇点.因而,如某圈重复边总权数大于该圈一半,用上面的方法调整,总权下降.例如图9.17中,圈(v2,v3,v4,v9,v2)总长24,重复边总权数14,大于总数的一半,作一次调整.以[v2,v9],[v4,v9]上的重复边代替[v2,v3],[v3,v4]上的,重复边总权下降至10.如图9.18三、判断最优方案标准从上分析知,(a)与(b)是最优方案必须满足的,反之可行方案满足了(a)、(b),则一定最优以此为标准,对可行方案检查,若满足(a)、(b),则最优;若不满足,则相应调整,直至满足.检查图9.18,圈(v1,v2,v9,v6,v7,v8,v1),重复边总权13,圈总权24,不满足.调整得图9.19.检查图9.19,(a)、(b)均满足,于是得最优方案.9.4网络最大流问题在实际问题当中,有许多关于网络流量得问题.如运输网络中的车量流、电路网络中的电流,通讯网络中的信息流,水管网络中的水流等等.先看一实例,如图9.20,是一个石油输送管网,顶点表示石油的转送站,各条弧表示石油输送的管道,以及石油的流动方向.由于历史原因,各管道的半径不同,即输送能力不同.问应该如何安排管道内的实际流量,使充分利用管网而达到最大流量.图9.20,要求通过石油管网,从v 1运送v 6至,弧边的数字代表了这条管道的最大运输能力.图9.21给出了一个方案,弧旁的数字代表实际每条管道的流量,这要求每条管道的流量不超过最大的流量,又要尽可能使总流量大,很明显这个方案还不是最优,那么应如何调整,最大输送量是多少?下面就来研究类似的问题,找到一个一般的解决方法.定义1. 给定一个有向图D=(V , A)在V 中指定一点,称发点,记v s .另一点称收点,记v t .其余称中间点.对于每条弧(v i ,v j )∈A ,对应c ij ≥0称弧的容量.这样的D 叫作网络,记D=(V ,A,C).所谓网上的流,指弧(v i ,v j )上的实际流量,记f ij .如例1图9.20中,v 1是发点,v 6是收点,其余是中间点.弧旁的数字是c ij .图9.21的运输方案,即是网上的一个流,每条弧上的实际通过量就是流量,即f 12=5,f 24=2,f 34=1等.在运输网络中,可以看到两个明显的要求:一是每个弧上的流量不超过弧的容量;二是中间点的流量为零.由于中间点只起转运作用,流入多少,流出多少.易见发点的净流出量与收点的净流入量相等,也是方案的总输送量.定义2 满足下述条件的流f 称可行流:1) 容量限制条件:对每个弧(v i ,v j )∈A, 0≤f ij ≤c ij .2) 平衡条件:对于中间点,流出量=流入量.即对每个i (i ≠s , t )有∑∈A v v j i ),(f ij ﹣∑∈A v v i j ),(f ji =0对于发点,记∑∈A v v j s ),(f sj ﹣∑∈A v v s j ),(f js = v(f) 对于收点,记∑∈A v v i t ),(f ti ﹣∑∈A v v t i ),(f it = -v(f)式中v(f) 称为这可行流的流量,即发点的净输出量(或收点的净输入量).可行流总是存在的.比如令所有弧的流量f ij =0,就是一个可行流(称零流).其流量v(f)=0. 最大流问题就是求一个流{f ij }使其流量v(f)达到最大,并满足:0≤f ij ≤c ij (v i ,v j )∈A (9.4.1)∑f ij +∑f ji =t i ts i s i f v f v =≠=⎪⎩⎪⎨⎧-,)()(0)( (9.4.2)我们可看到最大流问题是一个特殊的线性规划问题.即求一组{f ij },在满足(9.4.1)和(9.4.2)条件下,使v(f)最大.但我们将会利用图的特点,解决这个问题.先来认识一下增广链.给一个可行流f={f ij }.网络中f ij =c ij 的弧称饱和弧,使f ij <c ij 的弧称非饱和弧.把f ij =0的弧称为零流弧,f ij >0的弧称为非零流弧.如图9.21 中,(v 5,v 4)是饱和弧,其余为非饱和弧;所有弧是非零流弧.若μ是网络中连v s 到v t 的链,定义链的方向是v s 到v t ,则链上的弧分为两类:一类弧方向与链一致,称前向弧.全体前项弧记μ+;另一类与链方向相反,称后向弧. 全体前项弧记μ-.如图9.21中,链μ=(v 1,v 2,v 3,v 4,v 5,v 6)中. μ+={(v 1,v 2), (v 2,v 3), (v 3,v 4), (v 5,v 6)}; μ- ={(v 5,v 4)}.定义3 设f 是可行流,μ是v s 到v t 的一条链,若μ满足下列条件,称为增广链: 在弧(v i ,v j )∈μ+上,0≤f ij <c ij ,即μ+中每一弧是非饱和弧.在弧(v i ,v j )∈μ-上,0<f ij ≤c ij ,即μ-中每一弧是非零流弧.图9.21中,链μ=(v 1,v 2,v 3,v 4,v 5,v 6)就是增广链.设S,T ⊂V, S∩T=Ø,我们把始点在S ,终点在T 的所有弧构成的集合,记为(S,T ). 定义4 网络D=(V ,A,C),若点集V 被剖分为两个非空集合V 1和1V ,使v s ∈V 1, v t ∈1V ,则把弧集(V 1, 1V )称为是截集.显然,若把某一截集(V 1, 1V )的弧从网络中丢去,则从v s 到v t 不存在路.所以,直观上讲截集是从v s 到v t 的必经之道.定义5 给一截集(V 1, 1V ),把截集中所有弧容量之和称为这个截集的容量(简称为截量).记为c(V 1, 1V ) 即c(V 1, 1V )=∑∈),(),(ij 11c V V v v j i不难证明,任何一个可行流的流量v(f)都不会超过任一截集的容量.即v(f) ≤c(V 1, 1V ). 显然,若对于一可行流f *,网络中的截集(V 1*, 1V *),使f *=c(V 1*, 1V *),则f *是最大流,而(V 1*, 1V *)必定是D 的所有截集中,容量最小的一个,即最小截集.因此任一网络D 中,从v s 到v t 的最大流量等于最小截集的容量.我们可以利用增广链来求得这个最大流.这个方法的思想是:先给定一个可行流f ,在D 中寻找增广链,在这条链上改变流量,得到流量增大的新的可行流.如再找不到增广链,则已达到最大流.实际计算中,我们采用最大流标号法(Ford, Fulkerson )从一个可行流出发(若网络中无可行流f ,则可用零流),经过标号过程和调整过程.1) 标号过程.在这个过程中,网络中的点或者是标号点(又分为已检查和未检查两种),或者是未标号点.每个标号点的标号分两部分:第一标号表明它的标号从哪一点得到的,以便找增广链;第二个标号,是为确定增广链的调整量θ.标号过程开始,总先给v s 标上(0,+∞),这时v s 是标号而未检查的点,其余都是未标号点.一般地,取一个标号而未检查的点v i ,对一切未标号点v j :(1) 若在弧(v i ,v j )上,f ij <c ij ,则给v j 标号(v i , l(v j )).这里l(v j )=min {l(v i ), c ij -f ij }.这时点v j 成为标号未检查点.(2) 若在弧(v j ,v i )上,f ji >0,则给v j 标号(-v i , l(v j )).这里l(v j )=min {l(v i ), f ji }.这时点v j 成为标号未检查点.于是v i 成为标号而已检查的点.重复上述步骤,一旦v t 被标上号,表明得到一条从v s 到v t 的增广链μ,转入调整过程.若所有标号都已经查过,而标号过程进行不下去,算法结束,可行流已是最大流.2) 调整过程.首先按v t 及其它点的第一个标号,利用“反向追踪”的办法,找出增广链μ.例如设v t 的第一个标号为v k (或-v k ),则弧(v k ,v t )(或(v t ,v k ))是μ上的弧.接下来检查v k 的第一个标号,若为v i (或-v i ),则弧(v i ,v k )(或(v k ,v i ))是μ上的弧.再检查v i 的第一个标号,依次下去,直到v s为止.这时被找出的弧就构成了增广链μ.令调整量θ是l(v t ),即v t 的第二个标号.令⎪⎩⎪⎨⎧∉∈∈+='+μ),(μ),(μ),(f -f f f -ij ij ij ij j i j i j i v v v v v v θθ 去掉所有的标号,对新的可行流f '={ij f '}.重新进入标号过程.例1. 用标号法求图9.22所示网络的最大流.弧旁的数是(c ij ,f ij ).解:(一)标号过程.(1) 首先给v s 标上(0,+∞).(2) 检查v s ,在弧(v s ,v 2)上,f s2=c s2=3不满足标号条件.弧(v s ,v 1)上,f s1<c s1=5.则v 1的标号为(v s , l(v 1))其中l(v 1)=min {l(v s ), c s1-f s1}=min{+∞,5-1}=4.(3) 检查v 1,在弧(v 1,v 3)上,f 13=c 13=2不满足标号条件. 在弧(v 2,v 1)上,f 21=1>0.则v 2的标号为(-v 1, l(v 2))其中l(v 2)=min {l(v 1),f 21}=min{4, 1}=1.(4) 检查v 2, 弧(v 2,v 4)上,f 24<c 24.则v 4的标号为(v 2, l(v 4))其中l(v 4)=min {l(v 2),c 24-f 24}=min{1,4-3}=1. 在弧(v 3,v 2)上,f 32=1>0.则v 3的标号为(-v 2, l(v 3))其中l(v 3)=min {l(v 2),f 32}=1.(5) 在v 3,v 4中任选一个进行检查.例如,弧(v 3,v t )上,f 3t <c 3t .则v t 的标号为(v 3,l(v t ))其中l(v t )=min {l(v 3), c 3t -f 3t }=1.因v t 有了标号,故转入调整过程.(二)调整过程.按点的第一个标号找到一条增广链,如图9.23中粗线所示.易见μ+={(v s,v1), (v3,v t)}, μ-={(v2,v1),(v3,v2)}.按θ=1在μ上调整f.μ+:f s1+θ=1+1=2. f3t+θ=1+1=2.μ-:f21-θ=1-1=0. f3t-θ=1-1=0.其余f ij不变.调整后得如图9.24所示可行流,对这个可行流进入标号过程,寻找增广链.开始给v s标上(0,+∞).于是检查v s,给v1标以(v s,3).检查v1,弧(v1,v3)上,f13=c13;弧(v2,v1),f21=0均不符合条件.标号过程无法进行下去,算法结束.这是可行流(图9.24)即为所求最大流.最大流量为v(f)=f s1+f s2=f 4t +f 3t =5.与此同时可找到最小截集(V 1, 1V ),其中V 1为标号点的集合, 1V 为未标号点集合.弧集合(V 1, 1V ),即为最小截集.上例中,V 1={v s ,v 1}, 1V ={v 2,v 3,v 4,v t }.于是(V 1, 1V )={(v s ,v 2),(v 1,v 3)}是最小截集,它的容量必也是5.由上述可见,用标号法找增广链以求最大流的结果,同时得到一个最小截集.最小截集的容量的大小影响总流量的提高.因此要提高流量,必须先考虑改善最小截集中各弧的容量,提高它们的通过能力.另一方面,最小截集中的弧的通过能力被降低,就会使总的输送量减少.阅读材料哥尼斯堡七桥问题这是历史上一个有名的数学难题.此问题在1736年被Euler 解决之前一直使这个普鲁士城镇中的居民很感兴趣.18世纪,普鲁士的哥尼斯堡镇的普雷格尔河上有七座桥,这七座桥将河的两岸与河中的两个岛屿连接起来,如图9.25所示.假设两块岛屿用A 和B 表示,a,b,c,d,e,f,g 表示七座桥(图9.25).问题:(1)一个人能否经过每座桥恰好一次?(2)能否恰好经过每座桥一次并且最后能回到原出发点?欧拉解决七桥问题采用了“数学模型”法.建模:既然岛屿与陆地无非是桥梁的连接地点,那么就不妨把4处地点缩小(抽象)成4个点,并把7座桥表示(抽象)成7条边,便得到了七桥问题的模拟图(图9.26),这样当然并没有改变问题的实质,于是人们企图一次无重复地走过7座桥的问题等价于一笔画出上述图形的问题(每条边必须且经过一次),此外,图9.26就是七桥问题的数学模型.Euler 解决七桥问题是先考虑一般化问题:如果给定任意一个河道图与任意多座桥,可否判断每座桥能否恰好走过一次呢?一般化的问题就是要有一个一般化的解法,才有更实际的意义,考察一笔画的结构特征,有个起点和终点(若起点和终点重合时即为Euler 图).除起点与终点处,一笔画中出现的交点处总是一进一出的,故交点的度数(相连的边的数目和)为偶数,由此Euler给出了一般结论:1)连接奇数个桥的陆地仅有一个或超过两个以上,不能实现一笔画.2)连接奇数个桥的陆地仅有两个时,则从两者任意一块陆地出发,可以实现一笔画而停在另一陆地.3)每个陆地都连接有偶数个桥时,则从任意陆地出发,都能实现一笔画而回到出发点.对于模拟图,显然图必须是连通的,当且仅当图为欧拉图时,问题(2)才能实现.由图9.26知,问题无解.著名的七桥问题彻底解决了,进一步可知,对于任意一个河道图和任意多座桥的问题都解决了.评注一:从这个问题可以看出,欧拉不拘泥于特殊问题,而是要解决一般问题,这样才更具有科学价值,更能推动科学的发展;它并非去如何走一遍,而是去寻求一种一般的可能的判定法则,这是一种科学的思维方式;他将七桥难题化为一个图论问题(仅仅用点和边来描述),这种高度的抽象把问题表述的非常突出和清晰,并加以解决,后来人们公认他为图论的创始人.评注二:我对七桥问题的答案并不关心,但解决此问题时所表现出的智慧却几次让我惊讶不已.问题解决了,但比我们原先所期望得到的要多得多.把问题中所涉及的主要对象抽象成两类元素,点和直线,问题中所包含的结构关系便被清晰而简练地表达出来了.这是何等的深刻!四色问题问题:对任何一张地图进行着色,是任意两个有公共边界的国家染不同的颜色,那么最多有四种颜色就足够了.历史回顾:这叫地图的四色猜想,是一个著名的数学难题.这是在1852年,一位大学毕业生佛南西斯·哥里斯首先发现的,他把这个发现首先告诉了英国著名数学家德·摩根.德·摩根感到这是个有趣的数学问题,便用数学方法去证明,但没有证明出来.于是他又写信告诉了英国数学家汉米尔顿,汉米尔顿经过长达十三年的努力,直到离开人世也没有证明出来.1878年英国数学家凯莱在伦敦的数学年会上,饶有兴趣的提出了著名的四色猜想.其后经过一百多年的时间,许多数学家去证明,结果都没有成功.直到1976年9月,《美国数学会通告》宣布:美国伊利诺斯大学的两位教授阿普尔(K.Apple)和哈根(W.Haken),他们利用大型电子计算机,分析了两千多种复杂的地图(这些图,有些是实际存在的,有些是数学家为了证明四色猜想而构造出来的),包括几百万种情况,作了两百亿次逻辑判断,经过一千二百个机时的计算,证明了地图四色猜想是正确的.这一困扰着许多数学家一百多年的数学难题终于解决了.在证明四色猜想的过程中,获得了图论的许多重要结果,丰富了一些数学理论和方法.当然目前人们对这种繁琐的证明方法并不满意,力求寻找更简洁的方法.。

建模--图论模型

建模--图论模型

案例:多阶段存储问题
某工厂生产产品所需的原料分3个阶段进货。根据 供货条件,每次进货量只能是从5,7或10单位中选 一个方案,其运费分别为120,138和161个单位。 第 i 阶段对原料的需求为ai个单位。a1=7,a2=8, a3=9 已知第1阶段初工厂仓库存储原材料3个单位。仓库 对原材料库存允许为6个单位。本阶段进货在本阶 段就供应的原材料不必进入仓库。每阶段存储的原 材料需付存储费,每单位存储费为1单位。现要求 第3阶段末存的原材料至少为1单位 给出保证生产条件下的最小费用的进货方案。
定义1 设P(u, v) 是赋权图G = (V, E , F) 中从点u到v的路径, 用E(P) 表示路径P(u, v) 中全部边的集合, 记
F ( P)
eE ( P )
F ( e)
则称F (P)为路径P(u, v) 的权或长度(距离).
定义2 若P0 (u, v) 是G 中连接u, v的路径, 且 对任意在G 中连接u, v的路径P (u, v)都有 F (P0)≤F(P), 则称P0 (u, v) 是G 中连接u, v的最短路.

,
vi v j E.
0 6 8 0 7 A 3 0 2 4 5 0
无向图G的权矩阵A是一个对称矩阵.
0 6 6 0 A 3 7 4
3 4 7 0 2 2 0
附 2. 最短路与最小生成树
小区 号 1 2 3
4
5
4
6
3
3
5
5
M
6.3
6.3
M
4.5
4.5
6
6
6
7
4.8
6.3
4.8

图论模型的建立

图论模型的建立

常州市第一中学 林厚从
图论建模
例1、奇怪的电梯(LIFT.???) 问题描述: 呵呵,有一天我做了一个梦,梦见了一种很奇怪的电梯。大楼的每一层楼都可以停电梯,而且第i层 楼(1<=i<=N)上有一个数字Ki(0<=Ki<=N)。电梯只有四个按钮:开,关,上,下。上下的层数等于当前楼 层上的那个数字。当然,如果不能满足要求,相应的按钮就会失灵。例如:3 3 1 2 5代表了 Ki(K1=3,K2=3,……),从一楼开始。在一楼,按“上”可以到4楼,按“下”是不起作用的,因为没有-2 楼。那么,从A楼到B楼至少要按几次按钮呢?
图论建模
[问题分析] 1、问题的数据规模只有200,所以很容易想到用搜索, 由于要输出最优解(要求的是最快的次数),所以是宽搜。 2、对于A楼而言,实际上对它最多只能做2个操作, 上到A+X层或下到A-X层,当然前提是存在A+X或A-X层。显 然,如果把每一层楼看做一个顶点,如果A楼可以到B楼, 则从顶点A引一条到顶点B的边。对于样例,如下图:
常州市第一中学 林厚从
图论建模
例2、渡河问题(river) 一个人带了一只狼、一只羊和一棵白菜想要过河,河上有一只独木船, 每次除了人以外,只能带一样东西。另外如果人不在旁边时狼就要吃羊,羊 就要吃白菜。问:应该怎样安排渡河,才能做到既把所有东西带过河,在河 上来回的次数又最少呢? [问题分析] 我们用变量M代表人、W代表狼、S代表羊、V代表白菜,∮代表空(什 么都没有)。开始时设人和所有东西都在左岸,这种情况用MWSV表示。 我们用一个集合表示目前左岸的情况,很明显,可能出现16种情况: [MWSV] [MWS] [MWV] [MSV] [WSV] [MW] [MS] [MV] [WS] [WV] [SV] [M] [W] [S] [V] [∮] 但要剔除掉6种可能发生狼吃羊和羊吃白菜的情况(红色),实际是10 种。下面我们就把这10种情况作为10个顶点,来构造一个无向图G,图G的边 按下列原则来定义:如果经过一次渡河,情况甲能变成情况乙,那么就在情 况甲与情况乙之间连一条边。得到下图:

NOI导刊-图论模型的构建

NOI导刊-图论模型的构建
• 例如,对于上图所示的有向图,可以得到下表:
• 所以,得到s0=0,s1=-3,s2=2,s3=-1,s4=-4,s5=1,s6=-2。再根据s的 定义,由: ai=(a0+a1+…+ai-1+ai) - (a0+a1+…+ai-1)=si-si-1 ,求出:a1=s1s0=-3,a2=s2-s1=5,a3=s3-s2=-3,a4=s4-s3=-3,a5=s5-s4=5,a6=s6-s5=-3。显 然这个整数数列的任意连续5个整数之和为正,任意连续3个整数之 和为负。
一特点上。设si表示数列前i个整数之和,即si=a1+a2+…+ai。 其中s0=0 (0≤i≤n)。显然根据题意,有:
si<si+p
(0≤i≤n-p)
si+q<si
(0≤i≤n-q)
• 下面,我们把每个si抽象成一个点,则根据上述两个不等 式可以建立一个有向图,图中共有n+1个顶点,分别为s0, s1,……,sn。若si>sj(0≤i,j≤n),则从si往sj引出一条有向边。
初步构图
• 如果Ai与Aj不相容,那么如果选择了Ai,必须选择 Aj‘ ;同样,如果选择了Aj,就必须选择Ai’ 。
Ai
Aj'
Aj
Ai‘
这样的两条边对称
• 我们从一个例子来看:
• 假设4个组,不和的代表为:1和4,2和3,7和3, 那么构图:
1
3
5
7
2
4
6
假设:
首先选1 3必须选,2不可选 8必须选,4、7不可选
分析:
• 原题可描述为: 有n个组,第i个组里有两个节点Ai, Ai' 。需要从每个 组中选出一个。而某些点不可以同时选出(称之为 不相容)。任务是保证选出的n个点都能两两相容。

算法合集之《图论模型的建立与转化》

算法合集之《图论模型的建立与转化》

图论模型的建立与转化安徽徐静关键字:图论模型、建立、转化摘要本文主要写图论模型的建立与转化,共分四部分:第一部分引言说明了图论建模在整个信息学竞赛中的地位,以及图论模型与其它数学模型的异同,并指出很有研究总结图论建模的思想、方法及技巧的必要。

第二部分提出了图论模型建立中的两个要点:对原型中的要素进行适当的取舍和选择合适的理论体系,并分别举例加以详细分析,然后从中总结出了图论建模的总的原则:准确、清晰、简明。

第三部分主要讨论了在图论模型的转化中,应用得较为广泛的两种方法:拆分转化和补集转化,并着重分析了前者。

文中把前者分为三类:点→边、点→点、边→边,其中详细分析了第二类。

第四部分总结了全文,并指出了进一步研究图论模型的必要性目录一.引言 (2)二.图论模型的建立 (2)I.要素的取舍 (2)II.选择合适的理论体系 (4)三.图论模型的转化 (7)I.拆分转化 (7)II.补集转化 (10)四.结语 (11)正文一.引言信息学竞赛以解题为主,整个解题过程中一个重要的步骤就是数学建模,本文要讨论的就是数学建模的一个分支——图论建模。

图论建模是指对一些客观事物进行抽象、化简,并用图1来描述事物特征及内在联系的过程。

建立图论模型的目的和建立其它的数学模型一样,都是为了简化问题,突出要点,以便更深入地研究问题的本质;它的求解目标可以是最优化问题,也可以是存在性或是构造性问题;并且,和几何模型、运筹学模型一样,在建立图论模型的过程中,也需要用到集合、映射、函数等基本的数学概念和工具;但图论模型和其它模型在它们的研究方法上又有着很大的不同,例如我们可以运用典型的图论算法来对图论模型进行求解,或是根据图论的基本理论来分析图论模型的性质,这些特殊的算法和理论都是其它模型所不具备的,而且在其它模型中,能用类似于图这种直观的结构来描述的也很少。

我们学习图论,一般都是通过书籍,但书上介绍的往往只限于图论模型的基本要素、一些图论的相关理论和经典算法等,至于如何建立图论模型、如何运用这些理论和算法、如何研究图论问题,都只有靠自己来理解、来领会,并通过实践来验证这些理解,通过摸索总结来提高自己的能力。

浅谈图论模型的建立与应用

浅谈图论模型的建立与应用
至于S[23],我们可以用二分法枚举,逐步缩小范围,用迭代法判断是否存在 负权回路(判定可行性),最终求得S[23]的最小值。时间复杂度为 O(243*log2N)。
例题2 出纳员的雇佣(ACM Tehran 2000)
小结
本题用到了差分约束系统的理论,在竞赛中,这样的系统并不多见, 但是却可以巧妙的解决一些难题。这类题目的模型都不明显,需要一定的思 考和转化。做这类题目,关键是要把题目中的约束条件表示为不等式,再把 不等式转化为图的最短路或最长路模型。
例题3 贪婪之岛(ZOJ)
问题描述
有N(N≤100000)张卡片,每张卡片有三种能力,每种 能力的能力值分别为Ai,Bi,Ci。每张卡片可以使用其中 一种能力,且每张卡片只能使用一次。现在需要A张卡片 使用第一种能力,B张卡片使用第二种能力,C张卡片使用 第三种能力(A+B+C≤100)。请计算使用哪些卡片,以及 使用卡片的哪项能力,可以使相应的能力值之和最大。
例题2 出纳员的雇佣(ACM Tehran 2000)
分析
0≤S[i]-S[i-1]≤Wi S[i]-S[i-8]≥Ri
(0≤i≤23) (8≤i≤23)
S[23]+S[i]-S[i+16]≥Ri (0≤i≤7)
退一步考虑:如果S[23]已经确定了,那么上面的不等式组可以完全转化为一 个有向图,顶点0到顶点i的最短路,就是S[i]的解。而当图中存在负权回路时, 不等式组无解。
放在空地上。在同一行或同一列
的两个机器人,若它们之间没有
墙,则它们可以互相攻击。问给
定的棋盘,最多可以放置多少个
Empty
机器人,使它们不能互相攻击。
Grass
Wall
  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)。
为此,我们必须寻找解决问题的更好途径。
【方形柱体堆砌问题分析】
对符合要求的方形柱体来讲,交换任意两个正 方体的上下位置,得到的方形柱体仍是符合要求的, 即它的4个侧面都有4种颜色。它的每一对对面由4 个正方体各一个对面组成,因此问题的要素是4个正 方体各3个对面的颜色的构成,于是从每个对面的着 色考虑。用字母b,g,r,y分别表示蓝、绿、红、黄4种 颜色,并作为图的4个 顶点,4个正方体的各三个对 面依各对面的颜色连以边,并分别标以e1、e2、e3、 e4,比如第一个正方体有一对面着蓝、黄两色,则 从顶点b到y引一条边标以e1,另两对面为红对红、红 对绿,故联结r,e和r,g,均标以 e1。同样地根据第二、 三、四正方体的各对面着色分别连以边并分别标以 e2 、e3、e4。则得图G,如图1—3所示。
si<si+p
(0≤i≤n-p)
si+q<si
(0≤i≤n-q)
【奇怪的数列分析】
下面,我们把每个si抽象成一个点,则根据上述两个不 等式可以建立一个有向图,图中共有n+1个顶点,分别 为s0,s1,……,sn。若si>sj(0≤i,j≤n),则从si往sj 引出一条有向边。例如对于n=6,p=5,q=3的情况, 我们可以建立图4
begin
if i+p<=n then begin
g[i+p,i]=1;
d[i]=d[i]+1;
end;
if i+q<=n then begin
g[i,i+q]=1;
d[i+q]=d[i+q]+1;
end;
end;
【奇怪的数列分析】
显然,按照上面的定义,如果建立的图可以拓扑排序,其 顶点的拓扑序列可以对应满足条件的整数数列;反之,不 存在这样的整数数列。 算法框架为:
对图进行拓扑排序; if 图有回路 then 无解退出
else 生成拓扑序列 order[0]…order[n]; 如果得到了一个拓扑序列,该如何转换成s数组呢?因为拓 扑序列中顶点对应的s值是递减的,其中s0=0。如果 order[i]=0,则依次设定sorder[0]=i,sorder[1]=i-1,……, sorder[i-1]=1,sorder[i]=0,sorder[i+1]=-1,……, sorder[n]=i-n。例如,对于图4所示的有向图,可以得到表 1:
2、若能,找出一种堆砌方法。
【方形柱体堆砌问题分析】
一个正方体有6个面,所以4个正方体可以堆砌 出为数十分可观的不同状态。就是确定了4个正方 体依Ⅰ,Ⅱ,Ⅲ,Ⅳ次序从上到下排列,只考虑两 两接触面不同,也有6^4=1296种排列,这里还没 有考虑4个侧面的不同组合。若考虑到后者,又会 衍生出许多各异的形式,先令第Ⅰ个正方体保持不 动,Ⅱ,Ⅲ,Ⅳ正方体个有4个侧面,故有4^3=64 种状态。因此即使在从上到下按序排列情况下,仍 然有1296×64=82944种状态。若用穷举法求这类 问题,将是不胜其烦的。
【例3】 机器人布阵
有一个N*M(N,M<=50)的棋盘,棋盘的每一 格是三种类型之一:空地、草地、墙。机器人只 能放在空地上。在同一行或同一列的两个机器人, 若它们之间没有墙,则它们可以互相攻击。问给 定的棋盘,最多可以放置多少个机器人,使它们 不能互相攻击。
空地 Empty 草地 Grass
墙 Wall
要素(2)、(3)可抽象为开始时设人和其他三样东 西在河的左岸,这种情况用集合{mwsv}表示。在过河过 程中左岸出现的情况有以下16种: {wmsv} {mws} {mwv} {msv} {wsv} {mw} {ms} {mv} {ws} {wv} {sv} {m} {s} {v} {w} {φ}
显然这一模型不是属于一些特殊的图,给我们设计算法 带来很大的麻烦。
【模型二】
我们将每一行,每一列被墙隔开,且包含空地的连续区域称 作“块”。显然,在一个块之中,最多只能放一个机器人。我 们把水平方向的这些块编上号;同样,把竖直方向的块也编上 号。
1
2
3
4
5
水平方向的块编号
1 2
3 4
竖直方向的块编号
【例4】奇怪的数列
编程输入3个整数n,p,q,寻找一个由整数组成的数列 (a1,a2,……,an),要求:其中任意连续p项之和为正 数,任意连续q项之和为负数。0<n<100,0<p,q<n,若不 存在这样的整数数列,则输出NO;否则输出满足条件的一 个数列即可。
【输入格式】
输入文件名为num.in,仅一行分别表示n,p,q,之间用 一个空格隔开。
问题的求解目标就归结为:在图G中找一条连接顶点mwsv与 φ,并且包含边数最少的路径。把图的边长设为1,那么渡河 问题归结为求顶点mwsv到顶点φ的最短路径问题。
【例2】方形柱体堆砌
有4个正立方体,它们的6个侧面各着以绿、蓝、红、黄4 种颜色之一,如图1-2所示。现在要把这4个正方体堆成一方 形柱体,堆成的方形柱体每个侧面4种颜色都有。 求解任务:1、这4个正方体能否堆成符合要求的方形柱体?
fillchar(s,sizeof(s),0); for i:=0 to n do if order[i]<>0 then for j : = i downto 0 do s[order[ j]]←s[order[ j]]+1
径上每条边的权相加得到,求解目标往往是求图中或是
两点之间所有路径的权的最优值。
• 权的运算也会产生一些变形,例如权的运算由 简单的相加、求最值扩展到相乘,或是更复杂的函数 计算等等。
以上这些差异形成了图论模 型的多样化,使图论模型可以广 泛地适应各类问题,但这些丰富 的选择同时也增加了图论建模的 难度。。
问题的要素有三点:(1)人及他所带的3样东西;(2) 人不在时狼就会吃掉羊,羊就要吃白菜,即人在渡河 时,一岸上不能同时留下狼和羊或羊和白菜;(3)人 每次至多带一样东西渡河,并要保证岸上的安全。
问题的求解目标:求河上往返次数最少的渡河方案。
对于要素(1),用字母m代表人,w代表狼,s代表 羊,v代表白菜。
【输出格式】
输出文件名为num.out,只有一行,有解即输出这个数列, 每个数之间用一个空格隔开。否则输出NO。
【奇怪的数列分析】
从形式上看,这道题与图论风马牛不相干,题中既未出 现图论中常见的“车站”,“城市”等顶点,也未出现 “公路”,“铁路”等边,更未出现“长度”,“传输时 间”等权。仅以数学角度考虑,按常规思想来分析如何表 示“连续几项之和”这一要点,直接将第i个整数ai开始的 k 个 整 数 之 和 描 述 成 多 项 式 ai+ai+1+…+ai+k-1 的 话 , 问 题 就很难再往下思考和解决了。所以,我们不防换个角度, 暂且撇去每一项数究竟为何值的具体细节,而将注意力集 中至连续性这一特点上。设si表示数列前i个整数之和,即 si=a1+a2+…+ai。其中s0=0 (0≤i≤n)。显然根据题意, 有:
二.图论建模方法
1. 要素的选取
在建立模型之前,我们首先要对研究对象进行 全面的调查,将原型理想化、简单化;然后对原 型进行初步的分析,分清其中的各个要素及求解 目标,理出它们之间的联系;下一步就是用恰当 的模型来描述这些要素及联系。 【例1】渡河问题
一个人带了一只狼、一只羊和一筐白菜想要过 河。河上有一只小船,每次除了人以外,只能带 一样东西。另外,如果人不在时狼就会吃掉羊, 羊就要吃白菜。问怎样安排渡河,才能做到既把 所有东西都带过河,而且在河上往返次数最少?
“串联求最值,并联求和”,即一条路径上最大或是最
小的权决定了整条路径的权,而求解目标则是求图中或
是两点之间所有路径的权的加和。

还有的图不仅包含边权(边集E到实数集R的映
射),还包含点权(点集V到实数集R的映射);或是
包含好几类不同性质的权。

有的权表示长度或是时间等等,它们的运算特征是
“串联求和,并联求最值”,即一条路径的权由这条路
S1
S2
S0 S6
图4
S3
S4 S5
【奇怪的数列分析】
构造这样的有向图很简单,过程如下:
fillchar(g,sizeof(g),0); {有向图的邻接矩阵初始化}
fillchar(d,sizeof(d),0); {各顶点的入度序列初始化}
for i:=0 to n do
{根据两组不等式构造有向图}
e4
b
e3
e1 e2
e4 e3
y
e2
e3
r
e1
从图中,能找 到两个 e2 Hamiltion回 路,每个回路
e1
的4条边分别 是
g e4 e1,e2,e3,e4。
(见下页 )
e4
b
e3
e1 e2
e4 e3
r
e1
e2 e1
y
e2
g
e4
e3
2. 选择合适的理论体系
图由点、边、权三部分组成,根据这三部分的性 质的不同,就有着不同的图论模型,有着不同的理论 和算法,也就构成了不同的理论体系。图论建模依据 的是图论的基本理论和基本算法。
【奇怪的数列分析】
i
0
1
2
3
4
5
6
order[i]
2
Байду номын сангаас
5
0
3
6
1
4
sorder[i]
2
1
0
-1
-2
-3
-4
所以,得到s0=0,s1=-3,s2=2,s3=-1,s4=-4,s5=1,s6=-2。再 根据s的定义,由: ai=(a0+a1+…+ai-1+ai) - (a0+a1+…+ai-1)=sisi-1 , 求 出 : a1=s1-s0=-3 , a2=s2-s1=5 , a3=s3-s2=-3 , a4=s4s3=-3,a5=s5-s4=5,a6=s6-s5=-3。显然这个整数数列的任意连续5 个整数之和为正,任意连续3个整数之和为负。由拓扑序列构造整数数 列的算法如下:
相关文档
最新文档