LINGO在图论中的应用说课材料.ppt

第2章 LINGO在图论和网络模型中的应用;图是一种直观形象地描述已知信息的方式，它使事物之间的关系简洁明了，是分析问题的有用工具，很多实际问题可以用图来描述。;一、图的基本概念 ; 无圈的连通图称为树，如果一棵树T包含了图G的所有顶点，称T为G的生成树． 如果图G的每条边e都对应一个实数C(e)，称C(e)为该边e的权，称图G为赋权图．通常称赋权的有向图为网络．;二、最短路问题;2.算法原理 举例： 图中A,B,...,G表示7个城市，连线表示城市之间有道路相通，连线旁的数字表示道路??长度Wij，现要从城市A到G找出一条最短路线。 该问题有三个阶段，第一阶段从A到B或C，第二阶段到D,E或F，第三阶段到终点G，我们从终点向前倒过来找。;第三阶段，从D,E,F到G的最短路分别为1,3,4，记为f(D)=1,f(E)=3,f(F)=4； 第二阶段，与D,E,F有连线的出发点为B和C，从B出发分别经过D,E,F，至终点G的里程分别为： WBD+ f(D)=3+1=4 WBE+ f(E)=3+3=6 WBF+ f(F)=1+4=5 故B到G的最短路是上述三者的最小值(4)，可以写成f(B)=min{WBj+f(j)}=4，j是上一步考察过的三个点D,E,F；同理f(C)=min{WCj+f(j)}，而 WCD+ f(D)=2+1=3 WCE+ f(E)=3+3=6 WCF+ f(F)=1+4=5 故F(C)=3；;第一阶段，出发点只有一个A，从A出发分别经过B,C,至终点G的里程分别为： WAB+ f(B)=2+4=6 WAC+ f(C)=4+3=7 故A到G的最短路是上述两者的最小值6，可以写成f(A)=min{WAj+f(j)}=6，j是上一步考察过的两个点B,C，现在已经到了起点，结束运算，从A到G的最短路为6。 上述算法可以简写成 N是终点，1是起点， j是与i相联,上一步考察过，且与终点相通、f(j)为已知的点。;编写LINGO程序如下： model: sets: cities/A,B,C,D,E,F,G/: FL; !定义7个城市; roads(cities,cities)/ A,B A,C B,D B,E B,F C,D C,E C,F D,G E,G F,G/: W, P; !定义哪些城市之间有路相联，W为里程，P用来存放最短路的路径; endsets;data: W=2 4 3 3 1 2 3 1 1 3 4; enddata N=@SIZE(CITIES); FL(N)=0; !终点的F值为0; @for(cities(i) | i #lt# N: FL(i)=@min(roads(i,j):W(i,j)+FL(j))); !递推计算各城市F值; !显然，如果P(i,j)=1,则点i到点n的最短路径的第一步是i -- j，否则就不是。由此，我们就可方便的确定出最短路径; @for(roads(i,j): P(i,j)=@if(FL(i) #eq# W(i,j)+FL(j),1,0)); end;部分计算结果： FL(A) 6 FL(B) 4 FL(C) 3 FL(D) 1 FL(E) 3 FL(F) 4 FL(G) 0 最短路线为 A B D G 以上计算程序是通用程序，对其它图，只需在此程序基础上对数据作一些修改即可。;程序中的语句roads(cities,cities)/ A,B A,C B,D B,E B,F C,D C,E C,F D,G E,G F,G/: W, P; 定义的集合称为稀疏集合，本例中cities有7个成员，但是并非每个城市到其它6个城市都有路相通，只有部分城市之间有路，故定义衍生集合roads时用列举法列出有路相通的每对城市 。;2．0－1规划法 用0－1规划法也能求解最短路问题，其思路如下． 设起点为1，终点为n．引入0－1型决策变量Xij，如果弧(i , j)在最短路上，则Xij=1，否则Xij=0． 对于除了起点1和终点n以外的任意一个顶点i，如果， 说明从i出发的所有弧中必然有一条弧在最短路上，也就是说最短路经过该顶点，此时所有从其它顶点到达该顶点的弧中必然也有一条弧在最短路上，因而必有：; 如果 ，说明最短路不经过顶点i，故必有 两种情况可以合并写成 ： 对于起点1，则必然满足： 对于终点n，则必有：;目标函数是最短路上的各条弧的长度之和(总里程)最小，于是最短路问题可以用如下0－1规划来描述： 式中 表示全体边的集合