图与网络优化模型..docVIP

第十章 图与网络优化模型 在图论中通常用V表示点，E表示边（无向），A表示弧（有向），G表示图，点和边构成的图称为无向图，G=（V，E），点和弧构成的图称为有向图,G=(V,A)。 对图G的边（或弧）标上权数，称为赋权图。 10．1 最短路问题 求1到7的最短路。 本图是个有向图，弧上的数字不妨理解为距离。目前用于求解最短路的算法有多种，如：动态规划法，Dijkstra算法，0-1规划方法等。 下面只介绍0-1规划法 设1为起点，7为终点。引入表示：若弧(i,j)在最短路上,,否则， Z为目标函数上各弧的路程之和。 起点1必定有一条弧出发,所以 终点n必定有一条弧到达,所以 其它点有两种情况： (1) 该点不在最短路上，即无进线弧，也无出线弧。满足：，且 (2) 该点在最短路上，即有进线弧，也有出线弧。满足：，且 改写上述两个等式为： model: sets: city/1..7/;!定义7个城市; links(city,city):dist,x;!定义各城市之间的距离表(若城市i到城市j无路,用一个大数表示),决策变量; endsets data: dist=0 2 10 1000 1000 1000 1000 1000 0 7 3 1000 1000 1000 1000 1000 0 1000 4 1000 1000 1000 1000 1000 0 1000 1000 8 1000 1000 5 1000 0 3 7 1000 1000 1000 1000 1000 0 12 1000 1000 1000 4 1000 3 0 ; enddata n=@size(city); min=@sum(links:dist*x); @sum(city(i):x(1,i))=1; @sum(city(i):x(i,n))=1; @for(city(i)|i#gt#1 #and# i#lt#n: @sum(city(j):x(i,j))=@sum(city(j):x(j,i))); @for(city(i):x(i,i)=0); @for(links:@bin(x)); end 10.2 旅行售货员TSP模型 有一个旅行推销员，从某个城市出发，要遍访若干城市各一次且仅一次，最后返回原来出发城市。已知从城市I到城市J的旅费为，问如何安排旅行路线使总旅费最小？ 分析：巡回---能到每个城市一次，且仅一次的一条线路称为一个巡回。 子巡回---从一个起点出发,到若干(不是全部)城市一次,且仅一次,又回到起点的一条线路称为一个子巡回. 定理1:含有一个子巡回,必定至少有两个子巡回. 定理2:TSP模型的一条最优巡回,必定不含子巡回. 证明:如果含有子巡回,则必存在一个子巡回有这种情况:有一个城市要经过二次,才能回到起点城市. 如何用数学表达式来描述子巡回与总体巡回的区别呢? 显然,有子巡回的线路必然有一个城市(这个城市却不是起点城市)要经过二次,而不含子巡回的线路只有起点城市才经过二次. 假设有一条线路: 没有子巡回的情形: 有子巡回的情形: 引入变量,对上述线路上的各城市按序给予编号,,每个城市只编一次号. 没有子巡回的情形:-1,-1,-1,...,-1,-1 有子巡回的情形:-1,-1,-1,...,m,...,-1,-1 m不等于-1. 定理3: 设表示是否从城市I到城市J, 约束条件: 则:(1)任何含有子巡回的路线必然不满足上述约束条件(不管如何取值) (2)不含子巡回的线路都可以满足上述约束条件.(只要取适当值) TSP模型如下: 具体例子: 已知六个城市之间的路程如下表: A B C D E F A 0 702 454 2396 1196 842 B 0 324 1093 2136 764 C 0 1137 2180 798 D 0 1616 1857 E 0 2900 F 0 求一条TSP线路? model: sets: CITY/1..6/:u;!定义六个城市,u是TSP线路的编号; LINKS(CITY,CITY):dist,x;!dist距离列表,x为决策变量; endsets data: !u=0,1,2,3,4,5; dist= 0 702 454 842 2396 1196 702 0 324 1093 2136 764 454 324 0 1137 2180 798 842 1093 1137 0 1616 1857 2396 2136 2180 1616 0 2900 1196 764 798 1857 2900