最小代价生成圈【数学建模】.pptVIP

第七章：图论模型： 华侨大学信息系 宋海洲 引言一：起源： 哥尼斯堡七桥问题； 广泛应用于物理、化学、运筹、计算机、网络理论等科学。 二：哥尼斯堡七桥问题 1：问题：能否从某地出发，走遍七桥，各走一次，最后回到原来地方？ 2：欧拉的数学模型： 以点表示陆地，以线表示桥?从而得到“图论”模型。 转化问题：“能否从某个顶点出发，经过每一条线只一次，最后回到原来的顶点？” 3：模型的求解：当且仅当这个图的每个顶点都有偶数条线和它连接时可以求解。 ?哥尼斯堡七桥问题不能解决。 4：模型的应用： 卡车画街道中心线的画行工问题； 中国邮路问题：邮递员沿街投邮件，如何走最短？[管梅谷算法，（山东大学校长）《运筹学》p35] 三：图论常用概念： 1：图G的定义：一个图指的是仅由点和先组成的图形。（如上图） 图中小圆点称为顶点，顶点连线称为边。 2：图的分类： 有向图：边有方向； 无向图 3：图的表示： 图表示； 集合G={V,E},V={顶点},E={边}； 邻接矩阵表示；例如上图的邻接矩阵为： 4：完全图：每个顶点均有边相连的图； 加权图：每一条上伴随一个权或代价的图。 第一次：最小代价生成圈问题： 一：问题：1：送餐服务问题：快餐店如何把快餐一次送到顾客家里？ 显然法1忧于法 2； 但较大问题靠尝试法是不行的。 2：旅行推销员问题： 一位推销代理人想访问一些城市，然后返回家里，使整个行程所包含的里程数最小。 3：快递问题；食品批发商的运送路线问题；或郎担问题； 4：电路板的设计问题。 二：问题的建模：（食品问题为例）1：假设：  以快餐店和顾客家里为顶点，以快餐店和顾客家及家庭之间路线为边，并附上最短距离，建立加权图。例： 2：建立模型： （1）问题转化为起终点在（店）的通过每一个顶点恰好一次并且具有最小代价的圈的数学最优化问题。 （2）称包含图G的所有顶点且只经过每个顶点不多于一次的路线，称为Halmiton生成圈。 (3)问题为：找代价最小的Halmiton生成圈。 三：算法的时间复杂性函数：1：计算机速度与算法：表一：利用一台每秒一百万次的计算机，在一个大小n为的数据集合上执行一个给定时间复杂性的算法所需的时间。 2:提高计算机速度还是改进算法？ 具有不同算法复杂性的算法和3种不同计算机速度，1分钟内所能处理数据集合大小的增长情况表： 四：模型的求解：一蛮力算法： 1：思想：考查所有的解并挑一个最好的解。 2：算法： 输入：（1）一个加权图； （2）该图的一个生成圈（初始initialcycle ） （3）计算生成圈的一个代价函数。 输出：给定图的一个最小代价生成圈。 伪码： bestcyclesofar?initialcycle Mininmmlostsofar ?cost(initialcycle) repeat 产生该图的一个新生成圈 newspanningcycle if cost(newspanningcycle) Mininmmlostsofar then bestcyclesofar ? newspanningcycle endif until 所有圈被考查完。 3：优缺点：（1）：总能有效。（2）：但（设要访问n个家庭）则要考查n!个圈；n=50时n!=3*10e64;算法太费时。 4：任务：编一个蛮力算法的程序。 5：如果我们的财力和物力不能考查完所有的生成圈的话，考虑： A:投更多的财力和物力； B:设计更有效的算法：有效而经济； C:找拟最优解。 二试探式算法： barthodi教授用“填满空间曲线”来解决。 三并行化： 1：思想： 让多台计算机同时运行该问题不同部分； 2：方法： 计算机1：考虑v0到v1的生成圈； 计算机2：考虑v0到v2的生成圈 …… 计算机n：考虑v0到vn的生成圈. 3:优缺点：（1）比蛮力算法有所改善； （2）但算法复杂性为n!/n=(n-1)!无多大改善。 四随机搜索： 1：思想： 蛮力算法中产生生成圈是线性的，我们改进的随机搜索产生生成圈，有可能产