图与网络方法建模.pptVIP

图的矩阵表示 遍历？？NP Euler回路：经过所有边一次可解决Hamilton回路：经过所有点一次？？？旅行工件排序 例11.5 设有向赋权图如图11.16所示. 图中未标出的有向边 都假设为零. 总是一个流, 称为零流. “流”的概念的解释 由条件1)知, 图 11.16和图11.17表示另外两个流 其中未标出的边总假定为零, 反向边的流必为正向边的负值; 且 一个已知的图可以有不同的流和流值 那么, 如何来判断和寻找具有最大流值的流呢？ 一个已知的图可以有不同的流和流值. 截 集 设C为包含发点但不包含收点的节点子集， 为C的余集 包含收点而不包含发点, 称节点子集V的 从C到 的各边的权数之和称为截集 的容量, 记为 称为网络G的一对截集。 这种分解 在例11.5中， 则 设 f 为G的一个流, 则显然有 其中 对于任意给定的图G, G上不用的截集有不同的容量. 同时G上不同的流有不同的流值.称具有最小容量的 截集为最小截集,具有最大流值的流称为最大流. 最小截集 最大流 截 集 ? 最大流的流值等于最小截集的容量 定理11.4(最大流最小截集定理) 若f为图G(V, E)的一个流则对任何截集 设G(V, E)为赋整数权的有向图. 则f0为G的最大流， 网络流理论的基本定理 引理 为G的最小截集 得到了判断最大流的准则也提供了一个构造最大流的算法 当 时, 称边(x,y)为流f0的非饱和边. 设f0为G的一个流。 若一条路的每一条组成边都是非饱和边, 称该路为 流f0的非饱和路； 若存在从S出发的非饱和路达到的节点, 称该节点 为流f0的非饱和节点。 网络流的几个概念 例如从零流 出发. 4.2 最大流的算法 设给定一个有向赋权图G(V, E), 从任意可行流出发， 若收点 , 则f1为最大流； 存在从s到s’的非饱和路R 非饱和算法 令C1为由发点s和对于f1的非饱和点组成的节点子集. 1. 若收点 , 则f1不是最大流, 可由下列方法加以改进. 2. f2 也为可行流, 且它的流值为 非饱和算法 3. 再以f2为基础, 重复上面的步骤, 必可经过有限步后 得到一个最大流. 令 并令 4.2 最大流的算法 任选一条从s到s’的非饱和路, 有 令 反向边均取负值, 如图所示. 例9.5 的求解 令 , 则 9.18a 如 4.2 最大流的算法 同理可得关于f2的非饱和点集 f3如图11.19b所示 再选一条从s到s’的非饱和路，如 11.19b 例11.5 的求解 4.2 最大流的算法 但从s到s’的非饱和路只有一条 f4如图11.19c示. 这时 类似地, 得 且 令 11.19c s’不包含在C4中, 因而f4为 它的流值为 G的一个最大流, 例11.5 的求解 4.3 最小费用最大流问题 最小费用最大流问题背景 在实际问题中, 人们不仅考虑流量的大小, 还要考虑运输这些流量所需的费用等. 例如某工厂要把产品运往销售点, 在选择运输路线时, 不仅要考虑运输量, 而且还要考虑最大运输量的最小费用问题， 典型的最小费用最大流问题 设一个网络G(V, E), E中每条边(i, j)对应一个容量c(i, j) (如最大运输能力)以及一个a(i, j)(表示运送单位流量所 需的费用). 如果有一个运输方案(可行流)流量为 f (i, j)， 最小费用最大流问题描述 则最小费用最大流问题就是求下列的极值问题 其中F为G(V, E)的最大流的集合, 即在最大流中寻找一个费用最小的最大流 从零流为初始可行流开始, 在每次迭代过程中 最小费用最大流基本思想 再以求最短路的方法确定由s至s’的费用最小的 非饱和路, 沿着该路增加流量. 经过多次迭代, 直 至达到最大流为止. 对每条边赋予与c(i, j)(容量)、a(i, j)(单位流量 运输费用)和 f(i, j)(现有流的流量)有关的权数 ， 以形成一个有向的赋权图. 对任意边(i, j), 根据现有的流 f , 该边上的流量可能增 加(f (i, j)c (i, j)), 也可能减少(f (i, j)0), 因此每条边赋 予向前费用权 与向后费用权 构造权数的方法 对赋权后的有向图, 如把权看作长度, 即可确定从s到 s’费用最小的非饱和路, 等价于确定从s到s’的最短路. 因此, 确定最小费用最大流的算法 构造权数的方法 向后可增流量