【管理运筹学】第 7 章 | 图与网络分析(1,图论背景以及基本概念、术语)

文章目录

  • 引言
  • 一、图与网络的基本知识
    • 1.1 图与网络的基本概念
      • 1.1.1 图的定义
      • 1.1.2 图中相关术语
      • 1.1.3 一些特殊图类
      • 1.1.4 图的运算
  • 写在最后


引言

按照正常进度应该学习动态规划了,但我想换换口味,而且动态规划听说也有一定难度,还不一定会考。

先说说图论的一些背景知识和发展情况吧。

图论是几十年来发展迅速、应用广泛的一个新的数学分支。它与数学的其他分支如矩阵论、概率论、数值分析等都有着密切地联系。事实上,图论为任何一个包含了一种二元关系的系统提供了一个数学模型;也因为它使用了图解式的表示法,图就具有了一种直观的和符合美学的外形。

图论的发展大致分为 3 个阶段。

在这里插入图片描述
第一阶段是从 18 世纪中叶到 19 世纪中叶,称为萌芽期。起源是“七桥游戏”问题,如下图所示。

在这里插入图片描述

问题是:能否从这四块陆地中的任何一块开始,通过每一座桥一次,并且仅一次,再次回到起点。

瑞士数学家欧拉(Euler)就这一问题发表了图论的第一篇论文,证明了不存在七桥游戏问题的解,并且把这个问题(边一笔画问题)深入一步地一般化了,给出了一个图存在欧拉圈的判定法则。

自从中国邮递员问题(Chinese Postman Problem)提出来以后,欧拉问题才具有了强烈的实用价值。

中国邮递员问题是这样的:邮递员在沿着邮路出发前,必须先从邮局取走他所应分发的邮件。为了节约时间,每一位邮递员都愿意以尽可能少的行程走完他所必须走的所有路线。用图论的话来说,是指如何以尽可能少的行程遍历邮路上所有各条街道后又回到他的出发点。

这类问题的第一篇论文是由中国数学家、山东师范大学的管梅谷教授在 1962 年提出的,因而得名“中国邮递员问题”。

在这里插入图片描述
19 世纪中叶到 20 世纪中叶是图论发展的第二阶段,这一时期图论大量问题涌现,其中以 Hamilton 问题和四色猜想最为著名。

1856 年英国数学家 William Hamilton 爵士发明了“绕行世界”的游戏。这个游戏用一个规则十二面体,它的 20 个顶点标以 20 个城市的名字,要求游戏者找一条从某一城市出发的路线,它经过每个城市恰好一次,并且最终回到出发点。

将正十二面体投影到平面上,就得到了下图。

在这里插入图片描述
实际上 Hamilton 周游世界问题,是图论中的点一笔画问题,是要在上图中找具有以下两个特点的一个圈 H H H :1.图中的每一个顶点都在圈 H H H 中出现;2.在 H H H 中顶点不重复出现(起终点不算重复)。这个圈称为 Hamilton 圈。

四色猜想问题,即能否仅用 4 种颜色给地图染色,使得相邻国家有不同的颜色。用图来描述就是:用点来表示国家,两个国家若有公共边界,就用一条边将这两点连接起来,于是,四色猜想问题就转化为能否用四种颜色给平面的点染色,使得相邻的点有不同颜色。

在这里插入图片描述
20 世纪中叶以后,是图论发展的第三个阶段,这一时期图论经过爆炸性的发展,成长为一门独立学科。其中最重要的是:出现了研究问题和解决问题的强有力工具:计算机。


一、图与网络的基本知识

1.1 图与网络的基本概念

1.1.1 图的定义

自然界和人类社会中,大量的事物及事物之间的关系,常可以用图形来描述。常将所研究对象看成一个点,用连线(带箭头或者不带箭头)表示对象之间的某种特定关系。为了区别起见,我们称不带箭头连线称为,带箭头的连线称为

定义 1.1 —— 一个图是由一个非空集合 V V V ,以及 V V V 中元素的无序(或有序)点对组成的集合 E E E (或 A A A)所组成。 V V V 中元素的无序点对所构成的集合称为边集合 E E E ,由点集合 V V V 和边集合 E E E 构成的图称为无向图(简称图),记作 G = ( V , E ) G=(V,E) G=(V,E) 。一条连接点 v i , v j v_i,v_j vi,vj 的边 e i j e_{ij} eij ,记为 e i j = [ v i , v j ] e_{ij}=[v_i,v_j] eij=[vi,vj] e i j = [ v j , v i ] e_{ij}=[v_j,v_i] eij=[vj,vi] V V V 中元素的有序点对构成的集合称为弧集合 A A A ,由点集合 V V V 和弧集合 A A A 构成的图为有向图,记为 D = ( V , A ) D=(V,A) D=(V,A) 。一条方向是从 v i v_i vi 指向 v j v_j vj 的弧记为 a i j = ( v i , v j ) a_{ij}=(v_i,v_j) aij=(vi,vj)

在这里插入图片描述
若图 G G G 中,某个边的两个端点相同,称该边为环,若两个点之间有多于一条的边,称为多重边。一个无环、无多重边的图称为简单图,无环但允许有多重边的图称为多重图

G G G D D D 中的点数记为 n = ∣ V ∣ n=|V| n=V ,边(弧)数记为 m = ∣ E ∣ ( m = ∣ A ∣ ) m=|E| (m=|A|) m=E(m=A) ,在不引起混乱的情况下,分别简记为 n , m n,m n,m ,其中 n n n 为图的阶,若 n n n 为有限的,称为有限阶。

1.1.2 图中相关术语

  1. 端点。当 e i j = [ v i , v j ] e_{ij}=[v_i,v_j] eij=[vi,vj] 时,与边 e i j e_{ij} eij 相连的顶点称为边 e i j e_{ij} eij 的端点。
  2. 边与点相关联。当 e i j = [ v i , v j ] e_{ij}=[v_i,v_j] eij=[vi,vj] 时, e i j e_{ij} eij v i , v j v_i,v_j vi,vj 称为边顶相关联。
  3. 邻点。
  4. 邻边。
  5. 环。只与一个顶点相关联的边称为环。
  6. 平行边。具有相同的两个端点的边称为平行边。
  7. 邻域。与某点相邻接的点的集合。
  8. 次。以点 v i v_i vi 为端点的边的数目称为点 v i v_i vi G G G 中的次,记为: d ( v i ) d(v_i) d(vi)
    如果有环,则按两条边记,即 d ( v i ) = d l ( v i ) + 2 l ( v i ) d(v_i)=d_l(v_i)+2l(v_i) d(vi)=dl(vi)+2l(vi) 其中: d l ( v i ) d_l(v_i) dl(vi) 是与 v i v_i vi 相关联的非环边数, l ( v i ) l(v_i) l(vi) 是与 v i v_i vi 相关联的环数。
  9. 次序列。若 V = { v 1 , v 2 , … , v p } V=\{v_1,v_2,\dots,v_p\} V={v1,v2,,vp} ,则相对于每个点都有一个次,则可以得到一个次序列 ( d ( v 1 ) , d ( v 2 ) , … ) (d(v_1),d(v_2),\dots) (d(v1),d(v2),)

定理 1.1 —— 对于图 G = ( V , E ) G=(V,E) G=(V,E) ,其中 ∣ V ∣ = n , ∣ E ∣ = m |V|=n,|E|=m V=n,E=m ,则有: ∑ v ∈ V d ( v ) = 2 m \sum_{v \in V}d(v)=2m vVd(v)=2m 定理 1.2 —— 奇数次顶点的总数是偶数。

  1. 悬点。次为 1 的点。
  2. 悬边。悬点关联的边。
  3. 孤立点。次为 0 的点。
  4. 链。
  5. 初等链。链 Q Q Q 中的顶点均不相同。
  6. 简单链。链中边都不相同。
  7. 链的长度。为所包含的边数。
  8. 圈。
  9. 路。
  10. 路径。有向图中路每个顶点均不相同称为路径。
  11. 回路。路的第一个点和最后一个点相同。

1.1.3 一些特殊图类

  1. 平凡图。节点数 n = 1 n=1 n=1 ,边数 m = 0 m=0 m=0 的图。
  2. 零图。边数 m = 0 m=0 m=0
  3. 连通图。图中每对节点都有一条链(路)连接,称这个图是连通的。
  4. 树。无圈的连通图。
  5. 完备图。任意两个顶点之间恰有一条边相关联。
  6. 二分图。
  7. 完全二分图。
  8. 正则图。每个点的次数均相同。
  9. 有向网络。加权的有向图。

1.1.4 图的运算

(1)子图和支撑
子图、支撑子图都是图 G G G 的点或边作删除运算得到的。子图点和边都是原图的子集,支撑子图点和原图一样,边是原图子集。

(2)图的收缩运算

(3)割集
常记为 Φ ( X ) \varPhi(X) Φ(X) ,如下图中,若 X = { V 1 } X=\{V_1\} X={V1} ,则割集为 Φ ( X ) = { [ v 1 , v 2 ] , [ v 1 , v 3 ] , [ v 1 , v 4 } \varPhi(X)=\{[v_1,v_2],[v_1,v_3],[v_1,v_4\} Φ(X)={[v1,v2],[v1,v3],[v1,v4} 。即用一条线去割,要求可以将 X X X 完整割出来,这条线碰着的边记为割集。

在这里插入图片描述

(4)图的同构
G 1 , G 2 G_1,G_2 G1,G2 为两个同阶图,若顶点集合 V 1 , V 2 V_1,V_2 V1,V2 以及边集合 E 1 , E 2 E_1,E_2 E1,E2 之间在保持关联性质条件下一一对应,则称图 G 1 , G 2 G_1,G_2 G1,G2 同构。如下图所示。

在这里插入图片描述


写在最后

这概念可是真的多,不过结合图来理解就还好,后面我们来说说如何用矩阵表示图。

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:http://www.mzph.cn/news/64775.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

UE5- c++ websocket客户端写法

# 实现目标 ue5 c 实现socket客户端,读取服务端数据,并进行解析 #实现步骤 {projectName}.Build.cs里增加 "WebSockets","JsonUtilities", "Json"配置信息,最终输出如下: using UnrealBuildTool;…

基于科大讯飞AIGC创作平台,构建数字人虚拟主播

笔者为体验目前数字人虚拟主播创作视频的质量,特意制作了一段测试视频。 基于讯飞智作创建 总体感受,数字人虚拟主播具有成本低、可定制性强等优点,但是也存在缺乏人情味、技术限制和法律问题等缺点。因此,在使用数字人虚拟主播时…

opencv 提取选中区域内指定hsv颜色的水印

基于《QT 插件化图像算法研究平台》做的功能插件。提取选中区域内指定hsv颜色的水印。 《QT 插件化图像算法研究平台》有个HSV COLOR PICK功能,可以很直观、方便地分析出水印 的hsv颜色,比如, 蓝色:100,180,0,255,100,255。 然后利用 opencv …

QtConcurrent和QFuture的使用

在Qt中,有时候我们会遇到这样一种情况,需要执行一个很长时间的操作,这时候我们的主界面就会卡住。我们的通常做法就是把这个很长时间的操作扔到线程里去处理,可以使用标准库中的线程也可以使用QThread。 如果我们要在这个很长时间…

C# 跨线程访问窗体控件

在不加任何修饰的情况下,C# 默认不允许跨线程访问控件,实际在项目开发过程中,经常使用跨线程操作控件属性,需要设置相关属性才能正确使用,两种方法设置如下: 方法1:告诉编译器取消跨线程访问检…

ModaHub魔搭社区——未来向量数据库会不像传统数据库那样,在国内涌现 200 多家出来?

I. 引言:数据库市场的持续扩张与向量数据库的崛起 随着技术的迭代速度越来越快,技术门槛也在逐渐降低,数据库市场的持续扩张是不可避免的。当前存在着大量的需求,这将吸引越来越多的数据库甚至向量数据库加入竞争。然而,从业界角度看,这种市场扩张是有利的。它可以促使更…

实现公网远程访问:Windows本地快速搭建SFTP文件服务器并配置端口映射

文章目录 1. 搭建SFTP服务器1.1 下载 freesshd服务器软件1.3 启动SFTP服务1.4 添加用户1.5 保存所有配置 2 安装SFTP客户端FileZilla测试2.1 配置一个本地SFTP站点2.2 内网连接测试成功 3 使用cpolar内网穿透3.1 创建SFTP隧道3.2 查看在线隧道列表 4. 使用SFTP客户端&#xff0…

Redis之主从复制解读

目录 基本概述 作用 如何配置主从复制 命令配置(Slaveof ) 配置文件配置 主从复制缺点 主从复制原理 主从复制常见问题解答 命令补充(info replication) 基本概述 主从复制,是指将一台Redis服务器的数据,复制到其他的R…

Python3 条件控制

Python3 条件控制 Python 条件语句是通过一条或多条语句的执行结果(True 或者 False)来决定执行的代码块。 可以通过下图来简单了解条件语句的执行过程: 代码执行过程: if 语句 Python中if语句的一般形式如下所示: if conditi…

python后端,一个账户,多设备登录管理

一个账号,多台设备同时登陆的问题,设计以及实现 参考这篇文章: https://www.alibabacloud.com/help/zh/tair/use-cases/manage-multi-device-logon-from-a-single-user-by-using-tairhash1.0 设计思路 利用的是Redis,主设备的保…

【Java 动态数据统计图】动态数据统计思路案例(动态,排序,动态数组(重点推荐))七(129)

需求:前端根据后端的返回数据:画统计图; 说明: 1.X轴为地域,Y轴为地域出现的次数; 2. 动态展示(有地域展示,没有不展示,且高低排序) Demo案例: …

2023开学礼《乡村振兴战略下传统村落文化旅游设计》许少辉八一新书江西师范大学图书馆

2023开学礼《乡村振兴战略下传统村落文化旅游设计》许少辉八一新书江西师范大学图书馆

MyBatisPlus简单入门

1、简单介绍MyBatisPlus MyBatisPlus是一个MyBatis的增强工具,在MyBatis的基础上只做增强不做改变,完全去SQL化,封装好了大量的CRUD操作。甚至吧CRUD操作封装到了Service层,可以直接在Controller调用现成的CRUD服务层&#xff0c…

Ubuntu 启动出现grub rescue

​ 一,原因 原因:出现 “grub rescue” 错误通常表示您的计算机无法正常引导到操作系统,而是进入了 GRUB(Grand Unified Bootloader)紧急模式。这可能是由于引导加载程序配置错误、硬盘驱动器损坏或其他引导问题引起…

springboot1.5.12升级至2.6.15

首先&#xff0c;加入springboot升级大版本依赖&#xff0c;会在升级过程中打印出错日志提示&#xff08;升级完毕可去除&#xff09; <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-properties-migrator</art…

数据结构day05(单链表)

今日任务&#xff1a; 思维导图&#xff1a; 实现 代码&#xff1a;&#xff08;多文件&#xff09; head.h #ifndef __HEAD_H__ #define __HEAD_H__#include <stdio.h> #include <string.h> #include <stdlib.h> typedef int datatype;typedef struct Lin…

在R中安装TensorFlow、TensorFlow_Probability、numpy(R与Python系列第二篇)

目录 前言&#xff1a; 1-安装tensorflow库 Step1: 下载R包tensorflow Step2&#xff1a;安装TensorFlow库 Step3&#xff1a;导入R中 2-安装tensorflow_probability库 Step1&#xff1a;下载R包&#xff1a;tfprobability Step2&#xff1a;安装TensorFlow Probability …

基于Kohonen网络的聚类算法

1.案例背景 1.1 Kohonen网络 Kohonen网络是自组织竞争型神经网络的一种,该网络为无监督学习网络,能够识别环境特征并自动聚类。Kohonen神经网络是芬兰赫尔辛基大学教授Teuvo Kohonen 提出的,该网络通过自组织特征映射调整网络权值,使神经网络收敛于一种表示形态。在这一形态中…

EG1164大功率同步整流升压模块开源,最高效率97%

EG1164大功率同步整流Boost升压电源模块&#xff0c;最高效率97%&#xff0c;输入电压8~50V&#xff0c;输出电压8~60V可调&#xff0c;最大功率300瓦以上&#xff0c;开关频率219kHz。 白嫖了张嘉立创的彩色丝印券就随便画了个板试试&#xff0c;第一次打彩色丝印。 因为我测…

如何飞速成为开源贡献者(Contributor)

如何飞速成为开源贡献者Contributor 一、环境信息1.1 硬件信息1.2 软件信息 二、Git安装2.1 Git介绍2.2 Git下载安装 三、开源项目选定四、GitHub参与开源流程4.1 Fork项目4.2 SSH配置4.2.1 为什么要配置SSH4.2.2 如何配置SSH 4.3 Clone项目4.4 IDEA关联4.5 PR生成4.6 PR提交 一…