LINGO在图论中的应用.ppt

第2章 LINGO在图论和网络模型中的应用 图是一种直观形象地描述已知信息的方式，它使事物之间的关系简洁明了，是分析问题的有用工具，很多实际问题可以用图来描述。 一、图的基本概念 图论是以图为研究对象的数学分支，在图论中，图由一些点和点之间的连线所组成． 称图中的点为顶点（节点），称连接顶点的没有方向的线段为边，称有方向的线段为弧．所有线段都没有方向的图称为无向图，所有线段都有方向的图称为有向图，既有边也有弧的图称为混合图． 点与边相连接称为关联，与边e关联的顶点称为该边的端点，与同一条边关联的两个顶点称为相邻顶点，与同一个顶点关联的边称为相邻边． 具有相同顶点的边称为平行边，两个端点重合的边称为环．在无向图中，没有环和平行边的图称为简单图，任意一对顶点都有一条边相连的简单图称为完全图．任意两个顶点之间有且只有一条弧相连的有向图称为竞赛图． 在图中，两个顶点u和v之间由顶点和边构成的交错序列（使u和v相通）称为链（通道），没有重复边的通道称为迹，起点与终点重合的通道称为闭通道，不重合的称为开通道，没有重复顶点（必然边也不重复）的开通道称为路，起点与终点重合的路称为圈（回路）．如果顶点u和v之间存在通道，称u和v是连通的，任意两个顶点都连通的图称为连通图． 无圈的连通图称为树，如果一棵树T包含了图G的所有顶点，称T为G的生成树． 如果图G的每条边e都对应一个实数C(e)，称C(e)为该边e的权，称图G为赋权图．通常称赋权的有向图为网络． 二、最短路问题 1.动态规划法 (1)问题的描述 给定N个点Pi(i=1,2,...,n)组成集合{Pi}，集合中任一点Pi到另一点Pj的距离用Wij表示，如果Pi到Pj没有弧联结(无通路)，则规定Wij=+∞，又规定，Wii=0 (i=1,2,...,n)，指定一个终点PN，要求从Pi点出发到PN的最短路线。 可以用动态规划的方法来求最短路问题，下面举例说明其算法原理。 2.算法原理 举例： 图中A,B,...,G表示7个城市，连线表示城市之间有道路相通，连线旁的数字表示道路的长度Wij，现要从城市A到G找出一条最短路线。 该问题有三个阶段，第一阶段从A到B或C，第二阶段到D,E或F，第三阶段到终点G，我们从终点向前倒过来找。 第三阶段，从D,E,F到G的最短路分别为1,3,4，记为f(D)=1,f(E)=3,f(F)=4； 第二阶段，与D,E,F有连线的出发点为B和C，从B出发分别经过D,E,F，至终点G的里程分别为： WBD+ f(D)=3+1=4 WBE+ f(E)=3+3=6 WBF+ f(F)=1+4=5 故B到G的最短路是上述三者的最小值(4)，可以写成f(B)=min{WBj+f(j)}=4，j是上一步考察过的三个点D,E,F；同理f(C)=min{WCj+f(j)}，而 WCD+ f(D)=2+1=3 WCE+ f(E)=3+3=6 WCF+ f(F)=1+4=5 故F(C)=3； 第一阶段，出发点只有一个A，从A出发分别经过B,C,至终点G的里程分别为： WAB+ f(B)=2+4=6 WAC+ f(C)=4+3=7 故A到G的最短路是上述两者的最小值6，可以写成f(A)=min{WAj+f(j)}=6，j是上一步考察过的两个点B,C，现在已经到了起点，结束运算，从A到G的最短路为6。 上述算法可以简写成 N是终点，1是起点， j是与i相联,上一步考察过，且与终点相通、f(j)为已知的点。 编写LINGO程序如下： model: sets: cities/A,B,C,D,E,F,G/: FL; !定义7个城市; roads(cities,cities)/ A,B A,C B,D B,E B,F C,D C,E C,F D,G E,G F,G/: W, P; !定义哪些城市之间有路相联，W为里程，P用来存放最短路的路径; endsets data: W=2 4 3 3 1 2 3 1 1 3 4; enddata N=@SIZE(CITIES); FL(N)=0; !终点的F值为0; @for(cities(i) | i #lt# N: FL(i)=@min(roads(i,j):W(i,j)+FL(j))); !递推计算各城市F值; !显然，如果P(i,j)=1,则点i到点n的最短路径的第一步是i -- j，否则就不是。由此，我们就可方便的确定出最短路径; @for(roads(i,j): P(i,j)=@if(FL(i) #eq# W(i,j)+FL(j),1,0)); end 部分计算结果： FL(A) 6 FL(B) 4 FL(C)