图论方法建模2汇编.pptVIP

这个问题可以用图的语言描述。其中 表示 工人, 表示工作，边 表示第i个人能 胜任第j项工作，这样就得到了一个二部图G，用点集 X表示 ，点集Y表示 ,二部 图G X,Y,E 。上述的工作分配问题就是要在图G中找 一个边集E的子集，使得集中任何两条边没有公共端 点，最好的方案就是要使此边集的边数尽可能多，这 就是匹配问题。 二分图的概念 二分图又称作二部图，是图论中的一种特殊模型。 设G V, R 是一个无向图。如顶点集V可分割为两个互不相交的子集，并且图中每条边依附的两个顶点都分属两个不同的子集。则称图G为二分图。 最大匹配 给定一个二分图G，在G的一个子图M中，M的边集 E 中的任意两条边都不依附于同一个顶点，则称M是一个匹配。 选择这样的边数最大的子集称为图的最大匹配问题。 如果一个匹配中，图中的每个顶点都和图中某条边相关联，则称此匹配为完全匹配，也称作完备匹配。 匈牙利算法 求最大匹配的一种显而易见的算法是：先找出 全部匹配，然后保留匹配数最多的。但是这个 算法的复杂度为边数的指数级函数。 M中任意一条边的端点v称为（关于M的）饱和 点，G中其他定点称为非饱和点。 若P是图G中一条连通两个未匹配顶点的路径， 并且属M的边和不属M的边 即已匹配和待匹配的 边 在P上交替出现，则称P为相对于M的一条增 广路径。 结论： P的路径长度必定为奇数，第一条边和最后一条边都不属于M。 M为G的最大匹配当且仅当不存在相对于M的增广路径。 例1 求二部图G中的最大匹配。 最大匹配就是： 最佳匹配 如果边上带权，找出权和最大的匹配叫做求最佳匹配。 实际模型：某公司有职员x1,x2,…,xn,他们去做工作y1,y2,…,yn,每个职员做各项工作的效益未必一致，需要制定一个分工方案，使得人尽其才，让公司获得的总效益最大。 数学模型：G是加权完全二分图，求总权值最大的完备匹配。 KM算法 穷举的效率－n！，我们需要更加优秀的算法。 定理：设M是一个带权完全二分图G的一个完 备匹配，给每个顶点一个可行顶标 第i个x顶点的 可行标用lx[i]表示，第j个y顶点的可行标用ly[j]表 示 ，如果对所有的边 i,j in G,都有lx[i]+ly[j] w[i,j] 成立 w[i,j]表示边的权 ，且对所有的边 i,j in M,都有 lx[i]+ly[j] w[i,j]成立，则M是图G的一个最佳匹配。 KM算法 对于任意的G和M，可行顶标都是存在的： l x maxw x,y l y 0 欲求完全二分图的最佳匹配，只要用匈牙利算法求其相等子图的完备匹配；问题是当标号之后的Gl无完备匹配时怎么办？1957年，Kuhn和Munkras给出了一个解决该问题的有效算法，用逐次修改可行顶标l v 的办法使对应的相等子图之最大匹配逐次增广，最后出现完备匹配。 修改方法如下： 先将一个未被匹配的顶点u u in x 做一次增广 路，记下哪些结点被访问那些结点没有被访问。求 出d min lx[i]+ly[j]-w[i,j] 其中i结点被访问，j结点没 有被访问。然后调整lx和ly：对于访问过的x顶点， 将它的可行标减去d，对于所有访问过的y顶点，将 它的可行标增加d。修改后的顶标仍是可行顶标，原 来的匹配M仍然存在，相等子图中至少出现了一条 不属于M的边，所以造成M的逐渐增广。 KM算法步骤 Kuhn－Munkras算法流程： 1 初始化可行顶标的值 2 用匈牙利算法寻找完备匹配 3 若未找到完备匹配则修改可行顶标的值 4 重复 2 3 直到找到相等子图的完备匹配为止 五、旅行商问题 五、旅行商问题 调用tsp.m的m函数文件。 命令形式： [circle,sum] tsp a,c1,c2 功能：a是输入的权矩阵，c1是开始的圈,c2是改变的圈。 circle—输出经过的点; sum—输出最优的总长度。 五、旅行商问题 * 第十二讲 图与网络建模方法 图与网络建模方法 漳州师范学院数学建模课件 主要内容 匹配问题 旅行商问题 最小生成树问题 最大流问题 最小费用最大流问题 三、最小生成树问题 Kruskal算法构造最小生成树 三、最小生成树问题 调用leasttree_2.m的m函数文件。 命令形式： leasttree_2 a 功能：a是权矩阵，该矩阵中的主对角全部是0,并且不包含重复的权； 返回树的节点和权值。 三、最小生成树问题 例12 用Kruskal算法求右图的最小生成树。 a 1,2 50; a 1,3 60; a 2,4 65; a 2,5 40; a 3,4 52;a 3,7 45; a 4,5 50; a 4,6 30