最大流问题讲解(Lingo)

            第一节   图论的基本知识

1. 图的概念
定义 图G(V,E)是指一个二元组(V(G),E(G)),其中:
(1)V(G)={v1,v2,…, vn}是非空有限集,称为顶点集,
(2)E(G)是V(G)中的元素对(vi,vj)组成的集合称为边集。
最大流问题讲解(Lingo)_第1张图片
图G:V(G)={v1,v2,v3,v4}
E(G)= {e1,e2,e3,e4,e5,e6}
e3=(v1,v3)

若图G的边是有方向的,称G是有向图,有向图的边称为有向边或弧。
常用术语
边和它的两端点称为互相关联.
与同一条边关联的两个端点称为相邻的顶点,
与同一个顶点关联的两条边称为相邻的边.
3)端点重合为一点的边称为环.
4) 若一对顶点之间有两条以上的边联结,
则这些边称为重边.

最大流问题讲解(Lingo)_第2张图片

5)既没有环也没有重边的图,称为简单图.
6) 若图G的每一条边e 都赋以一个实数w(e),
称w(e)为边e的权,
G连同边上的权称为赋权图 ,
记为:G(V,E,W), W={w(e)| e∈E}
最大流问题讲解(Lingo)_第3张图片

7) 图G的中顶点的个数, 称为图G的阶;
图中与某个顶点相关联的边的数目,称为该顶点的度。
8)完全图:若无向图的任意两个顶点之间都存在着一条边,
称此图为完全图。

2.图的矩阵表示
邻接矩阵: (以下均假设图为简单图).
图G的邻接矩阵是表示顶点之间相邻关系的矩阵:A=(aij),
其中:最大流问题讲解(Lingo)_第4张图片

                            无向图G

最大流问题讲解(Lingo)_第5张图片最大流问题讲解(Lingo)_第6张图片
邻接矩阵
A=(aij)
最大流问题讲解(Lingo)_第7张图片 最大流问题讲解(Lingo)_第8张图片

有向图G
最大流问题讲解(Lingo)_第9张图片 最大流问题讲解(Lingo)_第10张图片
邻接矩阵
A=(aij)
最大流问题讲解(Lingo)_第11张图片 最大流问题讲解(Lingo)_第12张图片

                第二节  最大流问题

定义:设G(V,E)为有向图,若在每条边e上定义一个非负权c,
则称图G为一个网络,称c为边e的容量函数,记为c(e)。
若在有向图G(V,E)中有两个不同的顶点vs与vt ,
若顶点vs只有出度没有入度,称vs为图G的源,
若顶点vt只有入度没有出度,
称vt为G的汇,
若顶点v 既不是源也不是汇,
称为v中间顶点。
最大流问题讲解(Lingo)_第13张图片

设u,v是网络G(V,E)的相邻顶点,边(u,v)上定义的函数f(u,v)
称为边(u,v)上的实际流量( u到v的流量 );
若对网络G(V,E)的任意相邻顶点u,v 均成立: 0≤ f(u,v) ≤ c(u,v) ,
称该网络为相容网络。
若v为网络G(V,E)的中间顶点,
有:这里写图片描述

网络的总流量为从源vs 流出的总流量:最大流问题讲解(Lingo)_第14张图片

流入汇vt 总流量:最大流问题讲解(Lingo)_第15张图片

最大流问题讲解(Lingo)_第16张图片
最大流问题讲解(Lingo)_第17张图片

最大流问题讲解(Lingo)_第18张图片

例1 分组交换技术在计算机网络中发挥着重要作用,信息从源节点到目的节点不再需要一条固定的路径,而是将其分割为几组,通过不同的路径传输到目的节点,目的节点再重新组合还原文件。现考察如图所示的网络,图中两节点间的数字表示两交换机间可用的带宽,此时从节点1到节点9的最大带宽为多少?
最大流问题讲解(Lingo)_第19张图片

设fij为从vi到vj的实际流量,得一个9阶方阵:F=( fij)
记容量矩阵为:
最大流问题讲解(Lingo)_第20张图片

最大流问题讲解(Lingo)_第21张图片
Lingo代码:

sets: node/v1..v9/;
arc(node,node):c,f;
endsets
[OBJ]max=flow;
@for(node(i)|i#ne#1#and#i#ne#9:@sum(node(j):f(i,j))=@sum(node(j):f(j,i)));
@sum(node(j): f(1,j))=flow;
@sum(node(j): f(j,9))=flow;
@for(arc:@bnd(0,f,c));
data:
c=
0  2.5   0  5.6  6.1  0    0    0     0
0  0    7.1  0    0   3.6   0    0     0
0  0      0   0    0     0    0   3.4   0
0  0      0   0    4.9  0   7.4  0     0
0 2.4    0   0    0   7.2  5.7  0     0
0   0    3.8  0   0     0    0   5.3  4.5
0   0     0    0   0   3.8   0    0    6.7
0   0     0    0   0     0    0    0    7.4
0   0     0    0   0     0    0    0    0;
@text()=@table(f);
enddata

Lingo基础:
最大流问题讲解(Lingo)_第22张图片


//图片中比较抽象,下面我用C语言的结构体类比一下
/*
集  ←→  结构体

集成员  ←→  结构体的域

集属性  ←→  结构体实例
*/
struct person {//person 相当于 setname
    //sex, age 相当于集成员
    char sex;
    int age;
};
struct person xiaoming;//小明相当于成员属性
xiaoming.sex = 'M';
xiaoming.age = 20;

最大流问题讲解(Lingo)_第23张图片
最大流问题讲解(Lingo)_第24张图片


   #ne#  not equal(不等于)若两边运算值不相等,返回逻辑值为1;
           否则返回逻辑值为0;

   #and# 仅当两边的参数都为1时,结果为1;

   @bnd(L,x,U)    限制L≤x≤U
1@for

该函数用来产生对集成员的约束。基于建模语言的标量需要显式输入每个约束,不过@for函数允许只输入一个约束,然后LINGO自动产生每个集成员的约束。

例4.10 产生序列{1,4,9,16,25}

model:

sets:

  number/1..5/:x;

endsets

  @for(number(I): x(I)=I^2);

end

2@sum

该函数返回遍历指定的集成员的一个表达式的和。

例4.11 求向量[5134610]前5个数的和。

model:

data:

  N=6;

enddata

sets:

  number/1..N/:x;

endsets

data:

  x = 5 1 3 4 6 10;

enddata

  s=@sum(number(I) | I #le# 5: x);

end

答案:
最大流问题讲解(Lingo)_第25张图片

你可能感兴趣的:(图)