数学建模-图与网络模型解题方法和代码实现

本文针对以下几个方面问题进行整理：

最短路问题

两个指定顶点之间的最短路径
任意顶点之间的最短路径

2.最小生成树问题

求最小生成树

3.网络最大流问题

源点与汇点之间的最大流
基于最大流的最小费用求解

4.旅行商问题

基于哈密顿(Hamilton)圈求解旅行商线性规划

最短路问题：

两个指定点最小距离：

%使用graphshortestpath函数
[dist, path, pred]=graphshortestpath(G,S,T)

　G是稀疏矩阵，S是起点，T是终点。dist表示最短距离，path表示最短距离经过的路径节点，pred表示从S到每个节点的最短路径中，目标节点的先驱，即目标节点的前面一个节点。比如一共有6个点，S=1，那么运行这个函数后pred存的就是S=1这个节点到其它节点T'最短路径上T'的前一个节点。这个函数也就是求出图G上S到T的[dist, path, pred]，当不写T时表示求S到其它所有点的[dist, path, pred]。

任意顶点的最短路径：

！使用graphallshortestpath函数
[dist] = graphallshortestpaths(G)

解题思路：

简单构造稀疏矩阵：

手动录入权重矩阵

！w(起点,终点)=权重值
w=zeros(4)
w(1,2)=2;w(1,3)=3;w(1,4)=8; 
w(2,3)=6;w(2,4)=6;
G=sparse(w); 
%如果是无向图,G=sparse(tril(w'+w)取下三角)

得：

G =

(1,2) 2

(1,3) 3

(2,3) 6

(1,4) 8

(2,4) 6

2. 直接sparse函数生成

%sparse([起点集合],[对应终点集合],[对应权重集合])
G=sparse([1,1,2,1,2],[2,3,3,4,4],[2,3,6,8,6]);
%得到结果和上面相同
%如果是无向图，建议用方法1

对无向图而言：tril(w+w'）是在不知道w是上三角还是下三角的情况下，确保取w对应的下三角；若w已知为上三角，稀疏矩阵G=sparse(w')；若已知w为下三角，稀疏矩阵G=sparse(w);

例题：某公司在六个城市c1,c2,..c6中有分公司，从ci(1..6)到cj(1..6)的距离c(i,j)记在下述矩阵中，求ci到其他城市的最短距离。

0	50	∞	40	25	10
50	0	15	20	∞	25
∞	15	0	10	20	∞
40	20	10	0	10	25
25	∞	20	10	0	55
10	25	∞	25	55	0

clear;
clc;
w=zeros(6);
w(1,2)=50;w(1,4)=40;w(1,5)=25;w(1,6)=10;
w(2,3)=15;w(2,4)=20;w(2,6)=25;
w(3,4)=10;w(3,5)=20;
w(4,5)=10;w(4,6)=25;
w(5,6)=55;
%无向图
G=sparse(w');
a=graphallshortestpaths(G,'Direct',0)
%记住要加Direct  0/false 说明是无向图 1/true则为有向图

得：
a =

0 35 45 35 25 10
35 0 15 20 30 25
45 15 0 10 20 35
35 20 10 0 10 25
25 30 20 10 0 35
10 25 35 25 35 0

例如第一行表示c1到ci(1..6)最短距离分别为[0,35,45,35,25,10].

最小生成树问题

同样直接运用graphminspantree函数并加一些图形显示参数即可

例：北京(Pe)、东京(T)、纽约(N)、墨西哥城(M)、伦敦(L)、巴黎(Pa)各城市之间航线距离如下表

	L	M	N	Pa	Pe	T
L		56	35	21	51	60
M	56		21	57	78	70
N	35	21		36	68	68
Pa	21	57	36		51	61
Pe	51	78	68	51		13
T	60	70	68	61	13

求由上述交通网络数据确定的最小生成树：

clc, clear
a=zeros(6); %邻接矩阵初始化
a(1,[2:6])=[56 35 21 51 60]; %输入邻接矩阵的上三角元素
a(2,[3:6])=[21 57 78 70];
a(3,[4:6])=[36 68 68];
a(4,[5 6])=[51 61]; a(5,6)=13;
a=a'; a=sparse(a); %变换成下三角矩阵，并转化成工具箱所需要的稀疏矩阵
[ST,pred] = graphminspantree(a,'method','Kruskal') %调用工具箱求最小生成树并定义用kruskal算法求解
nodestr={'L','M','N','Pa','Pe','T'}; %输入顶点名称的字符细胞数组
h=view(biograph(ST,nodestr,'ShowArrows','on','ShowWeights','on'))%将节点名称显示在图形上，并显示箭头以及对应的权重
h.EdgeType='segmented'; %边的连接为线段
h.LayoutType='equilibrium'; dolayout(h) %设置图形布局属性，并刷新图形布局

graphminspantree不需要指定Direct是0/1，但对于无向图仍然需要将输入得稀疏矩阵转为下三角矩阵。

网络最大流问题：

同样，我们只需调用graphmaxflow函数即可

求最大流：

clc,clear
a=zeros(6);
%标号s=1 v1=2 v3=3 v2=4 v4=5 t=6
a(1,2)=8;a(1,3)=7;
a(2,3)=5;a(2,4)=9;
a(3,5)=9;
%有向图 不是上三角或下三角矩阵
a(4,3)=2;a(4,6)=5;
a(5,4)=6;a(5,6)=10;
%有向图 直接取稀疏矩阵
a=sparse(a);
%1,6表示求源点s和汇点t之间的最大流
[b,c]=graphmaxflow(a,1,6)
%b返回最大流 c返回每条管道对应的流量

得：
b =
14
c =
(1,2) 8.0000
(1,3) 6.0000
(2,3) 1.0000
(4,3) 2.0000
(2,4) 7.0000
(3,5) 9.0000
(4,6) 5.0000
(5,6) 9.0000

最大流最小费用问题再加上一定的约束即可，这里不再细说.

旅行商问题

旅行商问题是经典得哈密顿圈图论问题，具体可以自行百度其原理。这里给出lingo求解源码，只需带入初始矩阵即可。

约束条件：

1=2 转换为不等式使程序求解速度更快

model:
sets:
  city / 1..10/: u;
  link(city, city):
       dist,x;
endsets   
   n = @size(city);
data:   
 dist =  0  8  5  9  12 14 12 16 17 22
         8  0  9 15  17 8  11 18 14 22
         5  9  0  7  9  11 7  12 12 17
         9  15 7  0  3  17 10 7  15 18
         12 17 9  3  0  8  10 6  15 18
         14  8 11 17 8  0  9  14 8  16
         12 11 7 10 10  9  0  8  6  11
         16 18 12 7  6  14 8  0  11 11
         17 14 12 15 15 8  6  11 0  10
         22 22 17 18 15 16 11 11 10  0
        ;
enddata
  min = @sum(link:dist*x);
   @FOR(city(K):
    @sum(city(I)|I#ne#K:x(I,K)=1;

    @sum(city(J)|J#ne# K: x( K, J))=1;
  );
  @for(city(I)|I#gt#1:
    @for(city(J)|J#gt#1#and#I#ne#J:
      u(I)-u(J)+n*x(I,J)<=n-1);
  );
    @for(city(I)|I#gt#1:u(I)<=n-2);
   @for(link:@bin(x));
end
！只需替换data中 dist的距离矩阵以及初始化条件city的维数即可