网络优化的数学模型—2.ppt

13,6 13,6 * 最大权匹配问题的规划模型 16]! Maximize valve of assignments; 17]max = @sum(Assign: c*x); 18]@for(Flight(i): 19]! Each i must be assigned to some j; 20] @sum(Flight(j): x(i,j)) = 1; 21]! Each i must receive an assignment; 22] @sum(Flight(j): x(j,i)) = 1; 23]); END 最大权匹配问题的规划模型 程序中第12] , 13]行中的-99, 是因为某人无法做某项工作,可以认为某人做该项工作的收益是 -inf , 在计算中通常取一个较大的负数就可以. LINGO软件计算结果如下（只列出非零变量）: Global optimal solution found at iteration: 0 Objective value: 135.0000 Variable Value Reduced Cost X( 1, 1) 1.000000 0.000000 X( 2, 3) 1.000000 0.000000 X( 3, 2) 1.000000 0.000000 X( 4, 4) 1.000000 0.000000 X( 5, 6) 1.000000 0.000000 X( 6, 5) 1.000000 0.000000 9. 网络流问题 现实生活中,人们经常见到一些网络,如铁路网、公路网、通信网、运输网等等。这些网络有一个共同的特点，就是在网络中都有物资、人或信息等某种量从一个地方流向另一个地方，如何安排这些量的流动以便取得最大效益是一个很有意义的实际问题。50年代福特（Ford）、富克逊（Fulkerson）建立的“网络流理论”，是网络应用的重要组成部分。 例：单源单汇网络和多元多汇网络。 图1 图2 二、最大流与最小割 例2：求图3中网络的最大流。 图3 三、最小费用最大流 图5 表3符号说明：加有底纹的表示前面经过并停留过, 此次只经过不停留;加框的表示此点只经过不停留. 可看出,表3分组的均衡度很好,且完全满足24 小时完成巡视的要求. 该分组实际均衡度 4.62% 64 68 68 65 50 50 61 45 60 54 例9：如下图G，求最小生成树： Kruskal算法：从最小边开始按最小权加边， 有圈去掉。 最小生成树 称G = ( X, Y, E )为二部图. 如果X中的每个点都与Y中的每个点邻接, 则称G = ( X, Y, E )为完备二部图. 若 F：E →R +, 则称G = ( X, Y, E, F )为二部赋权图. 定义1 设X , Y都是非空有限顶点集, 且X ∩Y = Φ, 二部图的匹配及其应用 定义3 若匹配M的某条边与点v关联, 则称M饱和 点v, 并且称v是M的饱和点, 否则称v是M的非饱 和点. 定义4 设M是图G的一个匹配, 如果G的每一个点 都是M的饱和点, 则称M是完美匹配；如果G中 没有另外的匹配M0, 使 | M0 |＞| M |, 则称M是最 大匹配. 每个完美匹配都是最大匹配, 反之不一定成立. 二部图的匹配及其应用 例16： 判断下图的匹配 最大匹配 非完美匹配 完美匹配 二部图的匹配及其应用 定义5 设M是图G的的一个匹配, 其边在E\M和M 中交错出现的路, 称为G的一条M–交错路. 起点 和终点都不是M的饱和点的M –交错路, 称为 M –增广路. 定理1 G的一个匹配M是最大匹配的充要条件是 G不包含M –增广路. 二部图的匹配及其应用 定理2 设G = ( X, Y, E )为二部图, 则① G存在 饱和X的每个点的匹配的充要条件是 对任意S　 ,有 | N (S ) | ≥ | S | . 其中, N (S ) = {v | u∈S, v与u相邻}. ② G存在完美匹配的充要条件