数学建模图论.docxVIP

{ ui 1} 。 若 i u Si min{ . 图论 一．最短路问题 问题描述：寻找最短路径就是在指定网络中两结点间找一条距离最小的路。 最短路不仅仅指一般地理意义上的距离最短 ,还可以引申到其它的度量 ,如时间、费用、线路容量等。 将问题抽象为赋权有向图或无向图 G ，边上的权均非负 对每个顶点定义两个标记（ l (v) ， z(v) ），其中： l (v) ：表示从顶点到 v 的一条路的权 z(v) ： v 的父亲点，用以确定最短路的路线 ：具有永久标号的顶点集 1.1Dijkstra 算法：即在每一步改进这两个标记，使最终 l (v) 为最短路的权 输入： G 的带权邻接矩阵 w(u, v) 步骤： （1） 赋初 值： 令 l (u0 ) 0 ，对 v u0 ，令 l (v) ， S={u 0} ， i 0 。 （2） 对每个 v Si (Si V Si ) （即不属于上 面 S 集合的点），用 min{ l (v), l (u) u Si 顶点 u 和 v 之间边的权值。计算顶点记为 ui 1 ，令 Si 1 Si （3）  w(uv)} 代替 l (v) ，这里 w(uv) 表示 l (v)} ，把达到这个最小值的一个 V 1，则停止；若 i V 1，则 用 i 1 代替 i ，转（ 2） 算法结束时，从 u0 到各顶点 v 的距离由 v 的最后一次编号 l (v) 给出。在 v 进 入 Si 之前的编号 l (v) 叫 T 标号， v 进入 Si 之后的编号 l (v) 叫 P 标号。算法就是不断修改各顶点的 T 标号，直至获得 P 标号。若在算法运行过程中，将每 一顶点获得 P 标号所由来的边在图上标明，则算法结束时， u0 至各顶点的最短路也在图上标示出来了。 理解：贪心算法。选定初始点放在一个集合里， 此时权值为 0 初始点搜索下一个相连接点，将所有相连接的点中离初始点最近的点纳入初始点所在的集合，并更新权值。然后以新纳入的点为起点继续搜索，直到所有的点遍历。 .. . Matlab 代码： Dijk.m function[mydistance,mypath]=Dijk(a,sb,db);%sb 为起点， db为终点 n=size(a,1);visited(1:n)=0;%n 为结点数 visited 为结点标号 distance(1:n)=inf;distance(sb)=0;% 起点到各终点距离的初始化 visited(sb)=1;u=sb;%u 为新的 P标号顶点（初始点） parent(1:n)=0;% 父节点的初始化 %经过以下一个 for..end 便可以找到最短路径及该最短路径对应的最短路程 for i=1:n-1%( 找所有未标号的点 ) id=find(visited==0);% 查找未标号的顶点 for v=id % 找到一个未标号的点 v if a(u,v)+distance(u)distance(v)%uv 之间的距离 +起点到 u的距离小于 v 到起点的 距离（第一次是无穷大的，所以第一次肯定满足，下一次则找比这个点到 u距离小的 v ） distance(v)=distance(u)+a(u,v);% 修改标号值 则 v到原点的距离（权）修改。 parent(v)=u; %u 是 v 的父节点 end end temp=distance;% 以上面的 distance 作为临时的最小距离，如果下一次循环的未标号顶点有 更小的距离则替换 temp(visited==1)=inf;% 已标号的点距离换为无穷，避免再次搜索 [t,u]=min(temp);% 找出距离最小的点 （t 是最小值， u是最小值的下标） 最后一次循环会 得到一个最小距离的点 visited(u)=1;% 标记已经标号的顶点 end %下面一段代码用于输出 path mypath=[];% 定义 mypath 为一个空矩阵 if parent(db)~=0% 如果存在路 ~= 为不等于即前面有 parent 点 t=db;% 终点标号赋给 t mypath=[db]% 将终点放入路径集合里 while t~=sb% 当终点不是初始点 P = parent(t);% 终点的父节点令为 P mypath=[P mypath]; t=P;% 把上一个点的父节点令为下一轮循环的节点，继续搜索父节点 end end mydistance=distance(db);% 最短路程 .. . main.m n=29; a=zeros(n); a(1,2)=2;a(1,10)=2;a(1,13)=180;a(1,20)=216;a(1,27)=131; a(2,3)=2; a(3,4)=2; a(4,5