数学建模——图论学习

这篇具有很好参考价值的文章主要介绍了数学建模——图论学习。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、图论基础

图分为有限图与无限图两类,本课只涉及有限图,即顶点和边都是有限集合

权重矩阵在无向图中是对称的嘛,图论,学习,算法

(2)有向图:每一条边都是有向的

无向图:每一条边都是无向的

除外都是混合图

权重矩阵在无向图中是对称的嘛,图论,学习,算法

 注意:有向图边的描述{1.每一条边都需要描述到   2.<始点,终点>

(3)邻接点:两个结点之间有一条边连接它们,它们就是彼此的邻接点

邻接边:连接同一结点的两条边为邻接边

孤立结点:没有任何一条边连接它

零图:仅由孤立结点构成

平凡图:仅由一个孤立结点构成

自回路:边的头和尾连接在同一个节点上

度数:连接结点的边数(一个环算2条边),记为deg(v)

权重矩阵在无向图中是对称的嘛,图论,学习,算法

 

定理(1)图中,所有结点的度数和=2*图中的边数和

(2)度数是奇数的结点的个数必为偶数个

权重矩阵在无向图中是对称的嘛,图论,学习,算法

 (4)有向图有入度和出度之分:由结点发出的边为出度,接受的结点的边为入度

所有结点的出度数和所有结点的入度数和是一样的,且是边的数目。

结点的出度与入度的和为该结点的度数

(5)平行边:两结点之间有两条边连接,这两条边为平行,可能不止就两条边

拥有平行边的是多重图,不含平行边和环的是简单图

多重图:

简单图:

{完全图:简单图中能够满足每两个结点间都有边

n个结点的无向完全图的边数为:         

       1/2*n*(n-1)

补图:给定一个图G,由G中所有结点和所有能使G成为完全图的添加边组成的图,称为G的相对于完全图的补图,或简称为G的补图。}

(6)子图:G图中截取的一部分为子图

生成子图:子图中有一部分图拥有所有G图中的结点的称为生成子图

例1. 至少要经过多少次对换才能把6 3 7 8 5 1 2 4 9 10 变为标准

顺序的排列?

权重矩阵在无向图中是对称的嘛,图论,学习,算法

 权重矩阵在无向图中是对称的嘛,图论,学习,算法

 

K(G):点连通度

λ(G):边连通度

δ(G)

权重矩阵在无向图中是对称的嘛,图论,学习,算法

矩阵A是对称矩阵 

A^2表示i到j长度为2的路径数目

权重矩阵在无向图中是对称的嘛,图论,学习,算法

 权重矩阵在无向图中是对称的嘛,图论,学习,算法

无向图的权矩阵是对称矩阵

 权重矩阵在无向图中是对称的嘛,图论,学习,算法

 相关的matlab知识:

graph:无向图

G=graph(A):以邻接矩阵A创无向图

G=graph(A,node):使用邻接矩阵A 和顶点nodes创建赋权无向图,其中nodes是表示顶点的字符串。例:nodes=cellstr(strcat('v',int2str([1:6]')));

G=graph:创一个空的无向图

G=graph(s,t):以结点对创无向图

digraph:有向图

权重矩阵在无向图中是对称的嘛,图论,学习,算法

G=graphs,tweight: 使用顶点对s,t和权重向量创建赋权无向图。

G=graph(s,tweightnodes: 使用顶点对s,t和权重向量创建赋权无向图,并使用字符向量

     元胞数组nodes指定顶点名称。

W=adjacency(G):  导出图G的邻接矩阵的稀疏矩阵

W=incidence(G):  导出图G的关联矩阵的稀疏矩阵

权重矩阵在无向图中是对称的嘛,图论,学习,算法

 

clc,clear, close all

E=[1,2;1,3; 2,3; 3,2; 3,5; 4,2; 4,6; 5,2; 5,4; 6,5];

s=E(:,1);

t=E(:,2);

nodes=cellstr(strcat('v',int2str([1:6]')));

G=digraph(s,t,[],nodes);

plot(G,'LineWidth',1.5,'Layout','circle')

权重矩阵在无向图中是对称的嘛,图论,学习,算法

 

clc,clear,close all

E=[1,3,10; 1, 4,60; 2, 3, 5; 2, 4, 20; 3, 4, 1];

nodes=cellstr(strcat('v',int2str([1:4]')));

G=graph(E(:,1), E(:,2), E(:,3),nodes);

%% W1=adjacency(G, 'weighted') 

nn = numnodes(G);

[s,t] = findedge(G);

W1 = sparse(s,t,G.Edges.Weight,nn,nn)

W2=incidence(G)

plot(G,'Layout','force','EdgeLabel',G.Edges.Weight)文章来源地址https://www.toymoban.com/news/detail-762111.html

到了这里,关于数学建模——图论学习的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【数学建模常用模型】图论专题

            图论是研究点、线间关系的一门学科。现实生活中,凡是涉及到事物间的关系,都可以抽象为图论模型。图论模型也是各大数学建模中常见的一种模型,主要用于计算、规划最短距离、路线等问题。下面介绍几个基本概念和算法。   单源最短路         单源最短路

    2024年02月06日
    浏览(28)
  • [数学建模]图论之最短路径问题

    目录 一、引入图论  二、图的基本概念与数据结构 1.基本概念  2.图与网络结构 1.邻接矩阵表示法  2.稀疏矩阵表示法 三、最短路径问题 1、迪杰斯特拉(Dijkstra)算法 2、贝尔曼-福特(Bellman-Ford)算法 3、弗洛伊德(Floyd)算法         图论起源于18世纪,近几十年来,计

    2024年02月06日
    浏览(34)
  • 《python数学实验与建模》(10)图论模型

    10.1 写出图10.20所示非赋权无向图的关联矩阵和邻接矩阵 绘制图 10.2 计算图10.21所示赋权无向图中从 v 1 到 v 5 v_1到v_5 v 1 ​ 到 v 5 ​ 的最短路径和最短距离 绘制图 求解任意两点的最短路 10.3 求图10.21 所示赋权无向图的最小生成树 10.4 已知有6个村子,互相间道路的距离如图1

    2024年02月05日
    浏览(30)
  • 数学建模:图论模型 — 最短路模型示例 (Python 求解)

    某种工程设备的役龄为 4 年, 每年年初都面临着是否更新的问题: 若卖旧买新, 就要支付一定的购置费用; 若继续使用, 则要支付更多的维护费用, 且使用年限越长维护费用越多. 役龄期内每年的年初购置价格, 当年维护费用及年末剩余净值如下表所示. 为该设备制定一个 4 年役龄

    2024年02月07日
    浏览(31)
  • 图论及其应用(基础知识)(1)(数学建模基础速成)

    能否从任一陆地出发通过每座桥恰好一次而 回到出发点? 你要是自己做过,就会显而易见的发现这道题是 没有答案 的(遵守规则以及图形规定的情况下) 欧拉就这个问题说过: 如果每块陆地所连接的桥都是 偶数 座,则从任一陆地出发,必能通过每座桥恰好一次而回到出

    2023年04月08日
    浏览(26)
  • 图论在数学建模中的应用及MATLAB实现

    目录 图论基本概念 图论原理 1. 最短路径问题

    2024年02月08日
    浏览(33)
  • 图论最短路径求解——手把手教你数学建模

    很多朋友在学习图论,或是数学建模的时候都会碰到最短路径问题。本讲将从如何作图开始,手把手教你图论中的最短路径问题。根据图的不同,我们将介绍两种不同的算法:迪杰斯特拉Dijkstra算法和Bellman‐Ford(贝尔曼‐福特)算法。 在线作图:https://csacademy.com/app/graph_ed

    2024年02月16日
    浏览(29)
  • 数学建模十大算法04—图论算法(最短路径、最小生成树、最大流问题、二分图)

    一、最短路径问题 从图中的某个顶点出发,到达另一个顶点的 所经过的边的权重之和最小 的一条路径。 1.1 两个指定顶点之间的最短路径 问题如下:给出了一个连接若干个城镇的铁路网络,在这个网络的两个指定城镇间,求一条最短铁路线。 1.1.1 Dijkstra算法 迪杰斯特拉(D

    2024年02月02日
    浏览(48)
  • 零基础学习数学建模——(一)什么是数学建模

    本篇博客将详细介绍什么是数学建模。 ​ 本人在本科阶段获得过国赛省一、mathorcup数学建模一等奖、五一杯数学建模一等奖、华数杯数学建模一等奖、亚太杯数学建模一等奖和两次美赛一等奖。自己在数学建模这条路上摸爬滚打了几年,现在想借助博客分享自己在数学建模

    2024年01月25日
    浏览(38)
  • 2023 研究生数学建模竞赛(B题)DFT类矩阵的整数分解逼近|建模秘籍&文章代码思路大全

    问题1:降低硬件复杂度 在约束1下,优化DFT矩阵的分解,以最小化误差(RMSE)并减少乘法器的数量。 问题2:限制元素实部和虚部取值范围 在约束2下,优化DFT矩阵的分解,以最小化误差并考虑元素实部和虚部的取值范围。 问题3:同时限制稀疏性和取值范围 在同时满足约束

    2024年02月08日
    浏览(63)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包