图论及其应用课程论文—— 解决城市道路最短路问题
最短路径问题网络分析毕业论文(可编辑)

最短路径问题网络分析毕业论文摘要第一章绪论二十世纪中后期,随着计算机的出现和发展,图论的研究得到广泛重视,最短路径问题是图论中的一个典范问题,它已经被应用于众多领域.最短路径问题最直接的应用当数在地理信息领域,如:GIS 网络分析、城市规划、电子导航等.在交通咨询方面,寻找交通路网中两个城市间最短的行车路线就是最短路径问题的一个典型的例子.在网络通信领域,信息包传递的路径选择问题也与最短路径问题息息相关.举个例子,OPSF开放路由选择协议,每个OPSF路由器都维护一个描述自治系统拓扑结构的数据库,通过这个数据库构建最短路径树来计算路由表,从而跟踪自治系统范围内到每个目标的最短路径.在图象分割问题中,最短路径也有直接的应用:在语音识别中,一个主要的问题就是区别同音词,例如,to、two、too.为解决这个问题,我们需要建一个图,顶点代表可能的单词,边连接相邻的单词,边上的权代表相邻的可能行大小.这样图中的最短路径,就是对句子的最好解释.由于最短路径问题的广泛应用,很多学者都对此进行了深入的研究,也产生了一些经典的算法.近些年来,对最短路径研究的热度依然不减,并且时间复杂度降得越来越低.所以在本课题中我们将提出不仅是以前我们学习过的一些经典的算法,我们还将提出一些以前没有学习过的更有应用空间的算法.以及各算法之间的比较.最后还将把这些算法在现实中的应用最一些简单的介绍.第二章网络的最短路问题的基础知识2.1 图的基本概念(1)图定义:一个(无向)图G 是一个有序二元组(V,E),其中是顶点集,是边集,且是一个无序二元组,它表示该边连接顶点与.图1就是一个图说明:在保持图的点边关系不变的情况下,图形的位置、大小、形状都是无关紧要的.若,则称连接与;点和称为的顶点,称或与关联,与是邻接的顶点;如果两条边有一个公共顶点,则称这两条边是邻接的;(2)环定义:两个顶点重合为一点的边称为环如图图1中.图1(3)重边定义:如果有两条边的顶点是同一对顶点,则称这两条边为重边(如图1中与中有两条边相连).(4)孤立点定义:不与任何边关联的点称为孤立点(如图1中);(5)无环图定义:没有环的图称为无环图;(6)简单图:定义:既没有环也没有重边的图称为简单图.设G(V,E)是一个简单图,则显然有.(7)完全图定义:若上式中等号成立,则说明该图中每对顶点间恰有一条边相连,称此图为完全图.(8)补图定义:一个简单图的补图是与有相同顶点的简单图,且中两个点相邻当且仅当它们在中不相邻.(9)二分图定义:一个图G(V,E),若存在V 的一个分划(,),使得每条边有一个顶点在中,另一个在中,则称为二分图.(10)子图、支撑子图定义:设有两个图,,如果,,则称为的支撑子图.(11)点导出子图定义:设有图G(V,E),是的非空子集,若以为点集,以两点均在中的所有边为边集的子图称为由导出的的子图,记为,简称点导出子图.(12)边导出子图定义:若是的一个非空子集,则以为边集以中边的所有顶点作为点集的子图,称为由导出的的子图,记为,简称边导出子图.(13)度:定义:图中顶点的度为与关联的边的数目(与关联的每个环算作两条边),记为.结论:设G(V,E)是一个图,则,即度数为奇数的顶点有偶数个.2.2有向图(1)有向图定义:一个有向图是一个有序二元组,其中是顶点集,称为的弧集,为一个有序二元组.称为连向的弧,为的出弧,的入弧;称为得尾,称为的头;称为的前继,称为的后继.图2就是一个有向图.图2(2)环定义:头和尾重合的弧称为环.(3)重弧定义:若两条弧有相同的头和尾,则称这两条弧为重弧.(4)简单有向图定义:没有环和重弧的有向图称为简单有向图‘(5)基图定义:把有向图中每条弧用边来代替,得到一个无向图,称为得基图.(6)完全有向图定义:设G(V,E)是一个简单有向图,则,若等号成立,则称这样的图为完全有向图.(7)出度、入度定义:有向图中顶点的出弧的数目称为的出度,记为;顶点入弧的数目称为的入度,记为.结论:设G(V,E)是一有向图,则类似地可以定义有向图的子图,支撑子图,点,边导出之子图的概念.(8)网络定义:设是一个图,若对的每一条边都赋以一个实数,称为边的权,则连同边上的权称为一个网络,记为.同样可以定义有向网络.在此主要讨论网络上的各种优化问题.无向网络可以转化为有向网络,具体做法为:把无向网络中每条边代之以一对弧()和(),且两条弧的权都等于边的权.2.3连通性途径、迹、路定义:设有图 G(V,E),如果它的某些顶点与边可以排成一个非空的有限交错序列,这里该途径中边互不相同,则称为迹;如果顶点互不相同,则称它为路.显然路必为迹,但反之未必.闭路径定义:如果某途径至少含一条边,且起点与终点重合,则称它为一条闭途径.类似可定义闭迹和回路(又称圈).注意:若为简单图,则两个顶点间边若存在必是唯一的,故由到的一条途径可以用顶点序列表示.连通图:定义:图中若存在一条从顶点到的途径,则称与是连通的.如果图中任何两个顶点都是连通的,则称是连通图.例如,完全图是连通的.二分图,,则只要,中有一个大于1,则一定不是连通图.连通子图定义:如果是的子图,且是连通的,则称为的连通子图.极大连通子图定义:如果为的连通子图,且不存在连通子图,使是的子图.图的极大连通子图又称为的连通分支.有向途径定义:设有一个有向图,中某些顶点与弧组成的非空有限序列这里,,且,则称它为从到的有向途径.类似可定义有向迹,有向路,有向闭途径,有向闭迹,有向回路(有向圈).当是简单有向图时,从到的一条有向途径可简记为().强连通定义:中若既存在一条从顶点到的有向途径,又存在从到的有向途径,则称和是强连通的.如果中任意两顶点都是强连通的,则称是强连通的.强连通分支定义:的极大强连通子图称为强连通分支.注:若强连通,则恰有一个强连通分支.结论:若为有个连通分支的简单无向图,则的邻接矩阵为准对角矩阵若为有个强连通分支的简单有向图,则的邻接矩阵为准上三角矩阵2.4割集割边定义:设有图,是的一条边,如果从中删去,使它的连通分支数量增加1,则称是的割边.显然,的一条边是割边当且仅当该边不包含在的任何闭迹中.边割定义:设是的一个非空子集,,记,如果,且从中删去这些边后,的连通分支至少增加1,则称是的一个边割.割集定义:若是一个边割,且的任何真子集都不是边割,则称它为极小边割,的极小边割又称为割集.结论:任给图,设是图的圈,是图的割集,用表示的边集.如果,那么.弧割定义:设是一个有向图,记,如果,则从中删去这些弧以后,的强连通分支数至少增加1,称它为的一个弧割.的极小弧割称为有向割集.2.5最短路问题定义:所谓最短路径是指如果从图中某一顶点称为源点到达另一顶点称为终点的路径可能不止一条,如何找到一条有向路径使得沿此路径上各弧的权值总和达到最小.第三章网络的最短路问题的算法研究3.1最短路问题的提出某旅客要从杭州乘飞机前往奥地利的萨尔斯堡,因为他害怕乘飞机,所以要选择一条航线,使得在空中飞行的时间尽可能的少.问题是如何选择航线以达到要求.为此构造一个无向网络总可以化成有向网络,故下面只讨论有向网络的最短路问题.设是一有向网络,为中一条有向路,称为路的权或路长.现寻找网络中自某一指定顶点到另一指定顶点的最短有向路.3.2 Bellman最短路方程设有一个有向网络,.若用表示自顶点到顶点的最短有向路长,用表示弧()的长度,若,则定义,则对一切有且当且仅当弧在自顶点到顶点的最短有向路上.因为所有均表示自到的最短路长,因此这些最短路必有最后一条弧(),且该有向路上自到的一段也是最短路,故有Bellman最短路方程:即自点到各点最短路长度必满足Bellman最短路方程.反过来,Bellman最短路方程的解是自点到其余各点最短路的长度.3.3无负回路网络的最短有向路的Ford算法3.3.1 Ford算法的基本思想Ford算法的思想是逐次逼近,每次逼近求出网络从到其余各顶点的带某种约束的最短路,这里的约束是路中弧数.第一次逼近是从到其他任意顶点由一条弧组成的所有路中找一条最短路,记其长度为;第二次逼近是从到由不多于两条弧组成的所有路中找一条最短路,记其长度为.一般地,第次逼近是从到由不多于条弧组成的路中找一条最短的,记其长度为.因为中自到的最短路至多含个顶点, 条弧,所以最多次逼近即可. 即为中自到的最短路长.3.3.2 Ford算法的步骤为方便起见,定义.第一步置,,.第二步令.第三步若,停止;否则令,返回第二步.3.3.3实例求如下图所示网络中从顶点到其余各点的最短路.解求解过程如下:因此从到的最短路径分别为,,,,,路长分别为1,2,-3,0,2.3.4求正权网络中有向最短路的Dijkstra算法3.4.1Dijkstra算法的基本思想对网络中每个顶点赋以一个标号,用来记录从顶点到该顶点的最短路的长度(此时称为永久标号)或最短路长度的上界(此时称为暂时标号).算法开始时,只有顶点被赋予永久标号,其它顶点被赋予暂时标号.一般地,算法在被暂时标号的顶点中寻找一个顶点,其暂时标号最小,然后将赋予永久标号,且对其余暂时标号的顶点按方式修正其标号.算法在所有顶点均被赋予永久标号终止.3.4.2Dijkstra算法的理论依据对于中任一顶点,其永久标号是从顶点到该顶点的最短路的长度.对于中任一顶点,其暂时标号是从顶点出发,只经过中顶点到达该顶点的最短路的长度.3.4.3 Dijkstra算法的算法步骤最短路径问题是指在一个赋权图的两个指定节点和之间找出一条具有最小权的路.Dijkstra 算法是一个解最短路径问题的算法,这个算法不仅可以找到最短的,路径而且可以给出从到图中所有节点的最短路径.其基本步骤如下:1 设,对所有的节点来说,设,并将标号为0, ,为和w之间的权值距离.2按照每个未标号的节点w计算, ,表示点t 到点w 之间的权值距离 .若被修改了说明在当前得到的到w 的最优路径上t 和w 相邻用记录下来在所有中选择一个最小的即,未标号.将s 标号为, 表示节点到s的最优路径的长度为且与s 相邻.3 若终点v 已标号,则停止.得到一条从到v 的最优路径,否则,转向2再计算.3.4.4 Dijkstra算法的应用举例以具体实例说明Dijkstra 算法的具体应用.例 1. 利用Dijkstra 算法求图1 中节点A 到其它各节点的最优路径 202.9 3.218 4.4 3.5 3.2 4.516 Y 4.1 2.2 14 4.22 3.4 4.512 5.62.9 3 4.22.2 10 3.4 3.5 4 2.23 8 0 24 6 X 8 图1 101214相应的权值为:根据Dijkstra 算法的实现步骤其计算过程可归纳为表1 所示.从表1 中可以看出从到的最短路径为且到的距离为18.3 在求到最短路径的过程中到其余各点的最短路径也相应求出.若以计算一次为计算单位,则利用Dijkstra算法计算到最短路径时所需的计算次数15+14+13+ +2 119次表1采用Dijkstra 算法求解A到其他各节点最优路径的过程序号 A B C D E F G H I J K L M N O P1 - 4.2 3.42 - 4.2 3.4/A9.0 6.93 - 4.2/A - 8.6 8.3 6.94 - - - 8.6 8.3 6.9/C 11.9 10.95 - - - 8.5 8.3/B -10.3 11.2 10.96 - - - 8.6/B - - 11.5 10.3 11.2 10.97 - - - - - - 11.5 10.3/D 11.2 10.9 13.513.78 - - - - - - 11.5 - 11.2 10.9/F 13.5 13.713.19 - - - - - - 11.5 - -11.2/E - 13.5 13.713.110 - - - - - - 11.5/D - - - 13.5 13.713.111 - - - - - - - - - - 13.5 13.713.1/J16.112 - - - - - - - - - - 13.5/H 13.7 -18.0 16.113 - - - - - - - - - - - 13.7/H - 15.916.114 - - - - - - - - - - - - - 15.9/L16.1 18.715 - - - - - - - - - - - - - - 16.1/M18.33.4.5 Dijkstra算法的不足在现行电子地图中,网络模型的规模常常较大,节点数多达上千或上万,并且对网络模型的查询也要求实时性,因此Dijkstra 算法虽然在理论上是可行的,但在实际应用中不尽人意,当网络模型中节点数和边数较多的情况下,算法的计算量较大时间花费较多效率非常低.3.4.6 改进Dijkstra 算法的基本思想及实现表1 中的数值大多数是,都是无用运算,如果节点数量很大,将极其浪费运算时间.由于,节点是否在上次已经被计算出最短路径未知,当前节点是否与节点是否相连也未知,也就是未知,这时是已知的,故本次计算的到底是不是,取决于上一步数值和的数值,从表达式可以看出,只要这两个数值不都是,本次计算的就不会是,所以在上面Dijkstra 算法的实现步骤第2 步时,先判断一下,只要原来的, 的数值中至少有一个不是,才进行下面的计算,这样就保证了当预见是时,不对它进行计算,避免了大量无效的计算,提高了搜索效率.下面仍以一个具体实例来说明改进的Dijkstra算法的具体应用.例2 利用改进的Dijkstra 算法求图1中节点A到其他各节点的最优路径,此例的计算过程和Dijkstra 算法基本一致,只是表 1 中所有标记的部分在改进Dijkstra 算法中被省去了,利用改进的Dijkstra 算法计算到最短路径时所需计算次数为次,由此可见,改进的Dijkstra 算法确实减小了计算量在程序设计中,判断语句所花费的时间可以忽略,并不增大计算量.3.4.7 实验对比为了更好地说明改进的Dijkstra 算法的有效性,利用C语言自行编制了最短路径搜索程序并进行了仿真实验,采用自绘制的地图,共5 张,第一张图16个节点,共24条弧;第二张图32个节点,共55条弧;第三张图43个节点,共75条弧;第四张图62个节点,共111条弧;第五张图78个节点,共139条弧,计算结果如表2 所示.从表 2 可以看出,两种算法的计算量有很大的区别,改进的Dijkstra 算法较之经典Dijkstra 算法在计算量方面有很大幅度的减少,而且这种减少的程度在节点数目增加地图更大,更复杂时,会变得越来越明显.对于实际系统,由于地图都会很大,使用改进Dijkstra 算法的改进效果将非常显著.表2 改进Dijkstra 算法和经典Dijkstra 算法计算次数比较节点数经典Dijkstra 算法改进的Dijkstra 算法16 119 4739.5%32 465 13428.8%43 861 23427.2%62 1830 44124.1%78 2926 54018.5%注:表中的百分数表示改进算法计算量与经典算法计算量的百分比3.5 算法的问题和改进3.5.1算法的基本思想算法在人工智能中是一种典型的启发式搜索算法.通过选择合适的估价函数,指导搜索朝着最有希望的方向前进,以求得最优解. 算法中关键是求估价函数:其中, 是从起点到当前节点已付出的代价, 是从当前节点到目标节点的代价估计函数,必须保证其中是从当前点到目标点的实际最小代价.3.5.2算法的步骤算法的搜索步骤如下:1给起始节点标记,对它的没有标记过的子节点进行扩展;2对每一个子节点计算评价函数值,按评价值的大小进行排列,找出评价值最小的节点,并给它作标记,如果当前节点就是目标节点,则停止搜索;3 否则,对最新被标记的节点进行第2 步处理并记录最短路径.3.5.3算法分析算法是利用对问题的了解和对问题求解过程和解的了解,寻求某种有利于问题求解的启发信息,从而利用这些启发信息去搜索最优路径.它不用遍历整个地图,而是每一步搜索都根据启发函数朝着某个方向搜索.当地图很大很复杂时,它的计算复杂度大大优于Dijkstra 算法,是一种搜索速度非常快、效率非常高的算法.但是,相应的算法也有它的缺点.启发性信息是人为加入的,有很大的主观性,直接取决于操作者的经验,对于不同的情形要用不同的启发信息和启发函数,且他们的选取难度比较大,很大程度上找不到最优路径.下面通过一个具体加以实例说明.例3 利用算法求图1 中从点出发到点的最优路径.解:在本例中将评价函数中的取为当前节点到起始节点的最短距离,而取为当前节点到目标节点的欧氏距离,在应用算法时除采用上面Dijkstra 算法所用过的拓扑结构外,还应该再给定所有节点的坐标如各点坐标为0,13, 3,16, 3,11,….根据算法的具体实现步骤可求得从到的最短路径其距离是16.6.查看表1可知,用Dijkstra 算法搜索的最优路径是, 路径长度15.9 ,很明显算法没有找到最优路径,而且通过比较两条路径可以发现:当采用算法搜索路径时,从第二个节点就把最优路径舍弃了.3.5.4 算法改进思想及实现为了克服最优路径可能被轻易舍弃的缺点,本文提出采用多次搜索的方法,用增大计算量为代价来换取尽量多的最优路径备选结果.具体的方法如下:将经典算法搜索出原始最优路径中的节点依次进行封堵后,再按照经典算法搜索在每一次封堵情况下的最优路径.最后将这些新的最优路径与原始最优路径进行对比以便确定最后的最优路径.现举例说明改进算法的具体应用.例4.利用改进的算法求图1中从点出发到点的最优路径.1 按算法寻找路径得到: ,路径长度16.6;2 封闭此路径中节点后得到的最优路径为:, 路径长度15.9;3 封闭此路径中节点后得到的最优路径为: , 路径长度17.1;4 封闭此路径中节点后得到的最优路径为: ,路径长度17.2;5 封闭此路径中节点后得到的最优路径为: ,路径长度18.7;对前面求得的5 种路径长度进行对比,得到最优路径,其长度为15.9 ,从而将此路径定为改进算法求得的最优路径.查看表1可知此路径正是采用Dijkstra算法时求得的最优路径.3.5.5 实验对比为了进一步验证改进算法的有效性利,用C 语言自行编制了最短路径搜索程序并进行了仿真实验.以78个节点含1个起始节点,77个待规划节点的地图作为对象得到的仿真结果.采用经典算法对77个节点分别进行路径规划,有45个找到了最优路径而采用改进的算法对77个节点进行路径规划时,有68个找到了最优路径,有8个节点虽未找到最优路径但得到了比经典算法更短的路径,只有1个节点和经典算法结果一致.这充分说明改进的算法较之经典的算法在搜索最优路径的成功率方面具有明显的优势.3.6 结论本文对经典Dijkstra 算法和算法进行了改进,改进后的算法具有以下特点.1改进的Dijkstra 算法能在很大程度上节省计算量,提高路径规划的速度.2改进的算法虽在一定程度上增大了计算量但远远小于Dijkstra 算法的计算量, 却大大增大了搜索到最优路径的成功率.3.7 混合步长网络漫游最短路算法3.7.1引言网络最短路问题一直是网络理论与实践的重要研究课题之一,是在工农业生产及各项经济活动中非常具有实用价值的一门计算技术,是系统工程和运筹学研究的一个重要分枝.随着图与网络理论的不断发展与完善和计算技术、计算手段的不断进步,为新的网络最短路算法的研究提供了前提和条件.经过深入的研究探索和实践,本文提出一种任意路权网络最短路的新算法??混合步长网络漫游法.3.7.2 网络漫游法原理在一个给定的任意路权网络图中,为该网络的点集合,为该网络的弧集合,为网络各弧的权数集合.确定一个点作为漫游网络的起点,并记该点的漫游路长为零 ,其余各点的漫游路长 ,以此作为初始状态.之后,每一步都以当前漫游点的路长来修正其余相关连点的路长,并选择一个新的漫游点,如此往复,直至不再有可以漫游的点为止.若从起始点到任意点的直接路长为 (为网络的顶点数,若两点和之间没有直接的弧连接,则),则以修改各点的初始漫游路长, 作为第一步各点的漫游路长,并选择所对应的点作为第一步的漫游点,称之为当前漫游点.一般而言,经过步漫游到达第点,则第点为当前漫游点,该点的当前漫游路长为 .为寻找下一步的漫游点,要计算 ,并以作为点第步的漫游路长,选择点作为第步的漫游点,如此循环,直至各能够到达的点均已漫游过且各点已不存在更短的漫游路长时,漫游终止.同时得到了从起始点到各点的最短路.3.7.3网络漫游法的特点3.7.3.1 混合步长每次从当前漫游点寻找下一漫游点时,采用了算式,所以,下一漫游点的路长不只是第步中的最短路,而且是在第步、第步、…、第1步、第0步中的最短路,是当前步长内所有步数能够到达该点的最短路.3.7.3.2路长递减性由于采用了算式作为第点的第步的路长,它小于等于步之内任一步长的路长,具有递减性.3.7.3.3条件记忆性由第k步的当前漫游点寻找下一漫游点时,是在除当前点之外的其它点中寻找.其余的点分为两类,一类是还没有漫游过的点,它自然属于寻找的范围;另一类是已经漫游过的点,这类点分为两种情况,其一是该点记录的步步长之内的最短路值是该点作为漫游点时的路长,则该点不在寻找之列,即该点已漫游过这件事是在记忆之中的,其二是该点虽然已漫游过,但在其后的漫游中更新了该点漫游时的路长值,则该点在寻找范围之列,即对该点已漫游过这一事实失去记忆,如同没有漫游过的点一样.也就是说,若该点作为漫游点时的路长值一直保持为该点的最短漫游路长,则对该点保持记忆;若该点作为漫游点时的路长值已发生变化,则对该点的漫游失去记忆.3.7.4 网络漫游法的算法对于给定的任意路权网络,按照如下步骤进行网络漫游,只要网络中不含负回路,最终总可以求得从起始点到其所能到达的所有点的最短路.当然,也可以从终点反向漫游,以求得从网络的任意一点到终点的最短路.3.7.4.1 确定漫游起始状态若求从某点到其它各点的最短路,则以作为漫游的起始点(当前漫游点),并记该点的起始漫游路长为零,其余各点的漫游路长为无穷大(注:若求其它各点到终点的最短路,则以作为漫游起点,进行反向漫游即可).3.7.4.2 从当前漫游点向外探索计算从当前漫游点走到其它各点所产生的路长3.7.4.3确定各点新的漫游路长将各点的与其当前的最短路长进行比较,选取较小者作为该点新的漫游路长,即.3.7.4.4 作漫游标记当从本漫游点向外探索之后则对其作一标记,表示此点已漫游过.在以后的漫游中保持此标记,直到该点有更短的漫游路长出现时,则除去该点的漫游标志.3.7.4.5 确定新的漫游点在当前没有作漫游标记的点中,选取所对应的点作为新的漫游点.返回3.2继续漫游.。
图论论文

图论期末论文论文题目:基于交通咨询系统的最短路径算法与实现学生姓名:学号:专业:指导教师:完成日期:2015年 12月 12日基于交通系统的最短路径算法与实现摘要目前在交通咨询领域,最短路径算法的研究和应用越来越多,其中最短路径算法的效率问题是普遍关注并且在实际应用中迫切需要解决的问题。
随着现代生活节奏的加快,以及城市汽车数量的不断增加,交通网络也越来越发达,在交通工具和交通方式不断更新的今天,人们在旅游、出差或者其他出行时,不仅会关心费用问题,而且对里程和所需要的时间等问题也特别感兴趣。
为了能够更方便人们的出行,我们就应该以最短路径问题建立一个交通咨询系统。
这样的一个交通系统可以回答人们提出的有关交通的所有问题,比如任意一个城市到其他城市的最短路径,或者任意两个城市之间的最短路径问题。
本文通过对最短路径算法的分析,研究和实现,即经典的Dijkstra算法。
讨论了算法的思想、原理、实现方法、数据结构还有算法描述。
针对现代交通网络现状特点,分析和研究适合道路的经典最短路径算法,探讨了在交通网络路线优化过程中需要特别处理的几个问题,并在理论上给出相应的合理的解决方案。
关键词:交通咨询最短路径Dijkstra算法引言最短路径问题一直在计算机科学、交通工程学、地理信息系统、运筹学等学科中是一个研究的热点,它不仅是资源分配问题解决的基础,更是线路选择问题解决的基础,特别是在地图、车辆调度以及路由选择方面有着广泛的应用。
最短路径问题最直接的应用当数在地理信息领域中,例如:GIS网络分析、城市规划、电子导航等等。
在交通咨询方面,寻找交通网路中两个城市之间最短的行车路线就是最短路径问题的一个典型的例子。
随着交通网络越来越发达,人们在旅游、出差或者其他出行时,不仅会关心费用问题,而且对里程和所需要的时间等问题也特别感兴趣。
为了能够更方便人们的出行,我们就应该以最短路径问题建立一个交通咨询系统。
这样的一个交通系统可以回答人们提出的有关交通的所有问题,比如任意一个城市到其他城市的最短路径,或者任意两个城市之间的最短路径问题。
【精品文档】图论的论文-word范文模板 (14页)

本文部分内容来自网络整理,本司不为其真实性负责,如有异议或侵权请及时联系,本司将立即删除!== 本文为word格式,下载后可方便编辑和修改! ==图论的论文篇一:图论论文课程论文课程名称题目最短路径在最优截断切割问题中的应用姓名学号学院专业摘要本文是把长方体切割的最小代价问题,转化成一个我们所熟悉的图论问题,把其抽象成为一个图论之中求路径的最短路的问题,并采用了图论中的Dijkstra 算法,以求其的最短路,最终得到了对长方体切割问题的求解,最后我们通过了一个长方体切割实例,说明了我们的算法是可靠,有效的。
关键字:最短路径Dijkstra算法最优截断切割1. 预备知识1.1图的基本概念有序三元组G =(V,E,)称为一个图,其中:(1)V是有穷非空集,称为顶点集,其元素叫做图的顶点;(2)E称为边集,其元素叫做图的边;(3)是从边集E到顶点集的有序或者无序对集合的映射,称为关联函数。
1.2 权如果图G中任意一条边上都附有一个数,则称这样的图G为加权图。
若边e标记数为k,称边e的权为k。
定义1在无向图G=(V,E,?)中:(1)顶点与边相互交错且?(ei)?vi?1vi (i=1,2,…k)的有限非空序列w?(v0e1v1e2?vk?1ekvk)称为一条从v0到vk的通路,记为Wv0vk(2)边不重复但顶点可重复的通路称为道路,记为Tvv0k(3)边与顶点均不重复的通路称为路径,记为Pv右图中,我们可以根据定义得到:通路Wvv?v1e4v4e5v2e1v1e4v414vk道路Tvv?v1e1v2e5v4e6v2e2v3e3v414路径Pvv?v1e1v2e5v414定义2(1)任意两点均有路径的图称为连通图.(2)起点与终点重合的路径称为圈.(3)连通而无圈的图称为树.定义3(1)设P(u,v)是赋权图G中从u到v的路径,则称w(P)??w(e)为路径P的权.e?E(P)(2)在赋权图G中,从顶点u到顶点v的具有最小权的路 P*(u,v),称为u到v的最短路.1.3 固定起点的最短路最短路是一条路径,且最短路的任一段也是最短路.假设在u0-v0的最短路中只取一条,则从u0到其余顶点的最短路将构成一棵以u0为根的树.因此, 可采用树生长的过程来求指定顶点到其余顶点的最短路.Dijkstra算法:求G中从顶点u0到其余顶点的最短路,如图1所示:设G为赋权有向图或无向图,G边上的权均非负.对每个顶点,定义两个标记(l(v),z(v)),其中:l(v):表从顶点u0到v的一条路的权.z(v):v的父亲点,用以确定最短路的路线算法的过程就是在每一步改进这两个标记,使最终l(v)为从顶点u0到v的最短路的权。
图论中的最短路径问题及其算法实现

图论中的最短路径问题及其算法实现图论是研究图结构及其特性的数学分支。
在图论中,最短路径问题是其中一个经典的研究课题。
这个问题的核心是在一个有向或无向的图中,找到两个顶点之间的最短路径,即路径上各边的权重之和最小。
本文将介绍最短路径问题的基本概念,并详细探讨两个常用算法实现:Dijkstra算法和Bellman-Ford算法。
一、最短路径问题概述最短路径问题是图论中的一类重要问题,它的解决方法被广泛应用于交通路线规划、通信网络等领域。
在求解最短路径问题时,一般需要考虑以下几个要素:1. 图的构建:首先需要构建一张合适的图,图可以是有向图或无向图。
顶点表示图中的节点,边表示节点之间的连接关系或路径,边上可能带有权重信息。
2. 起点和终点:指定需要寻找最短路径的起点和终点。
根据具体情况,起点和终点可以是图中的任意两个顶点。
3. 路径长度度量:在不同应用场景中,路径长度的度量方式可能不同。
在某些情况下,路径长度可以简单表示为路径上各边权重之和;而在另一些情况下,路径长度可能还需要考虑其他因素,如路径中经过的顶点数目。
二、Dijkstra算法Dijkstra算法是一种常用的解决最短路径问题的贪婪算法。
该算法基于图的深度优先搜索思想,通过不断更新顶点的最短距离,逐步确定起点到每个顶点的最短路径。
其基本思路如下:1. 初始化:设定起点为源点,将源点的距离设置为0,其他顶点的距离设置为无穷大。
2. 迭代更新:从源点开始,依次选择距离最小的顶点,并更新与其相邻顶点的距离。
具体操作是,对于当前选中的顶点,计算其相邻顶点经过该顶点到达源点的距离,如果该距离小于相邻顶点的当前距离,则更新相邻顶点的距离值。
3. 结束条件:当所有顶点都被标记为已访问或者没有可达的顶点时,算法结束。
三、Bellman-Ford算法Bellman-Ford算法是另一种解决最短路径问题的常用算法,它可以处理一些特殊情况下的图,如存在负权边的图。
图论能解决的问题

图论能解决的问题:1 最短路问题(SPP-shortest path problem)一名货柜车司机奉命在最短的时间内将一车货物从甲地运往乙地。
从甲地到乙地的公路网纵横交错,因此有多种行车路线,这名司机应选择哪条线路呢?假设货柜车的运行速度是恒定的,那么这一问题相当于需要找到一条从甲地到乙地的最短路。
2 公路连接问题某一地区有若干个主要城市,现准备修建高速公路把这些城市连接起来,使得从其中任何一个城市都可以经高速公路直接或间接到达另一个城市。
假定已经知道了任意两个城市之间修建高速公路的成本,那么应如何决定在哪些城市间修建高速公路,使得总成本最小?3 指派问题(assignment problem)一家公司经理准备安排名员工去完成项任务,每人一项。
由于各员工的特点不同,不同的员工去完成同一项任务时所获得的回报是不同的。
如何分配工作方案可以使总回报最大?4 中国邮递员问题(CPP-chinese postman problem)一名邮递员负责投递某个街区的邮件。
如何为他(她)设计一条最短的投递路线(从邮局出发,经过投递区内每条街道至少一次,最后返回邮局)?由于这一问题是我国管梅谷教授1960年首先提出的,所以国际上称之为中国邮递员问题。
5 旅行商问题(TSP-traveling salesman problem)一名推销员准备前往若干城市推销产品。
如何为他(她)设计一条最短的旅行路线(从驻地出发,经过每个城市恰好一次,最后返回驻地)?这一问题的研究历史十分悠久,通常称之为旅行商问题。
6 运输问题(transportation problem)某种原材料有个产地,现在需要将原材料从产地运往个使用这些原材料的工厂。
假定个产地的产量和家工厂的需要量已知,单位产品从任一产地到任一工厂的运费已知,那么如何安排运输方案可以使总运输成本最低?7.最短路已有成熟的算法:迪克斯特拉(Dijkstra)算法8.计算赋权图中各对顶点之间最短路径,显然可以调用Dijkstra算法。
最短路问题在城市路网中的应用

最短路问题在城市路网中的应用摘要:为减少城市交通拥堵,提高道路通行能力,以最短交通时间为目标,根据交通状况,以时间为权值赋与每段道路,运用最短路模型,计算出道路网中两点之间最有效的路线。
最终总结路网信息,指导车辆的行驶路线,缓解道路的交通压力。
借此思路为城市交通管理部门提供管理新手段,在城市交通管理中具有很现实的指导意义。
关键词: 运筹学;最短路问题;交通;通行能力The Application of Shortest Path Problem in urban road networkJIN Yan-qing1, WANG Fei1, LAN Yun-song1, YUE Guang-hua1(1.Chang’an University Institute of Highway, Shanxi Xi’an 710064)Abstract:In order to reduce urban traffic congestion and improve road capacity, this paper uses the shortest path model to calculate the most efficient route between two points in road network. The goal is the shortest travel time through assigning the road time to each weight depending on traffic conditions. At last, summing up the road network information, which can guide the vehicle driving route to ease traffic pressure of the road. Take this new idea to provide management tools for urban traffic management sector, which has very realistic guiding significance in urban traffic management.Key words: Operations Research; Shortest Path Problem; Traffic; Road capacity0引言随着我国城市经济的快速发展,机动车拥有量迅速增加,城市交通拥堵已经成为我国许多城市的严重问题,严重影响着城市功能的发挥和城市中人们的生活质量,所以缓解交通拥堵是保障和促进经济社会发展、改善民生的必然要求。
图论论文--最短路径算法应用

课程论文课程名称图论及其应用题目最短路径算法应用--最短路径游览校园姓名学号专业计算机技术摘要:重邮是个美丽的学校,我们考入重邮后,都喜欢上了学校。
而且经常有同学来找我玩,作为他们的导游,在带领他们游览学校时候,遇到了一个问题:怎样走最短路径来游览学校最多的景点。
当学完图论后,我找到了答案,运用图论中的一些知识,找到一个最短最有效的路径从而迅速到达某个地点。
本文运用了图论中的最短路径算法,邻接矩阵,赋权图等知识,把学校里面我们经常去的地方选了出来,画出平面图,建模赋权图,模拟了在任意两点之间的最短路径的实现以及编程显示。
关键词:数据结构;最短路径;迪杰斯特拉算法; 一:背景介绍设计学校的校园平面图,所含景点不少于8个(中心食堂、信科、图书馆……) 1) 带领同学们从新大门开始利用最短路径游览学校的几个景点。
2) 为来访同学提供图中任意景点的问路查询,即查询任意两个景点之间的一条最短的简单路径。
3) 在社会生活中,最短距离的运用相当广泛。
除了该课题外,还有于此相关的城市道路的设计,交通线路的设计,旅游景点的设计等等。
除了路径长度方面外,到两地花费的最少、时间的最短等等都是同样的道理。
二:最短路径知识点边上有数的图称为加权图,在加权图中我们经常找到两个指定点间最短路径,称为最短路径问题。
在最短路问题中,给出的是一有向加权图G=(V,E),在其上定义的加权函数W:E →R 为从边到实型权值的映射。
路径P=(v 0, v 1,……, v k )的权是指其组成边的所有权值之和:11()(,)ki i i w p w vv -==∑定义u 到v 间最短路径的权为{}{}min ():)w p u v u v v δυ→(,=∞如果存在由到的通路如果不存在从结点u 到结点v 的最短路径定义为权())w p v δυ=(,的任何路径。
①边的权常被解释为一种度量方法,而不仅仅是距离。
它们常常被用来表示时间、金钱、罚款、损失或任何其他沿路径线性积累的数量形式。
最短路问题及其应用——最短路径

最短路问题及应用摘要:主要介绍最短路的两种算法,迪杰斯特拉(Dijkstra)及弗罗伊德(Floyd)算法以及这两种算法在实际问题中的应用和比较。
关键词:最短路获克斯特拉(Dijkstra),弗罗伊德(Floyd)算法1.引言图论是应用数学的一个分支,它的概念和结果来源非常广泛,最早起源于一些数学游戏的难题研究,如欧拉所解决的哥尼斯堡七桥问题,以及在民间广泛流传的一些游戏难题,如迷宫问题、博弈问题、棋盘上马的行走路线问题等。
这些古老的难题,当时吸引了很多学者的注意。
在这些问题研究的基础上又继续提出了著名的四色猜想和汉米尔顿(环游世界)数学难题。
1847年,图论应用于分析电路网络,这是它最早应用于工程科学,以后随着科学的发展,图论在解决运筹学,网络理论,信息论,控制论,博弈论以及计算机科学等各个领域的问题时,发挥出越来越大的作用在实践中,图论已成为解决自然科学、工程技术、社会科学、军事等领域中许多问题的有力工具之一。
最短路问题是图论理论的一个经典问题。
寻找最短路径就是在指定网络中两结点间找一条距离最小的路。
最短路不仅仅指一般地理意义上的距离最短,还可以引申到其它的度量,如时间、费用、线路容量等。
最短路径算法的选择与实现是通道路线设计的基础,最短路径算法是计算机科学与地理信息科学等领域的研究热点,很多网络相关问题均可纳入最短路径问题的范畴之中。
经典的图论与不断发展完善的计算机数据结构及算法的有效结合使得新的最短路径算法不断涌现。
2.最短路算法2.1 最短路的定义对最短路问题的研究早在上个世纪60年代以前就卓有成效了,其中对赋权图()0w≥的有效算法是由荷兰著名计算机专家E.W.Dijkstra在1959年首次提出的,该ij算法能够解决两指定点间的最短路,也可以求解图G中一特定点到其它各顶点的最短路。
后来海斯在Dijkstra 算法的基础之上提出了海斯算法。
但这两种算法都不能解决含有负权的图的最短路问题。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
图论及其应用专业:计算机科学与技术班级:图论及其应用5学号:姓名:任课教师:图论及其应用——解决城市道路最短路问题(重庆邮电大学计算机科学与技术学院,重庆重庆市400065)E-mail: 1356310671@【摘要】本文通过Dijkstra算法编程计算出重庆市主城九区任意两区间的最短路径,并在VC下实现一个顶点到其余各个顶点的所有最短路径的查找。
【关键字】最短路径Dijkstra算法中图分类号 O1571引言当前城市的规模越来越大,交通道路状况也越来越复杂,从城市的一个地方到另一个地方可能有很多种路径,如何从众多的路径中选择距离最短或者所需时间最短的路径便成了人们关注的热点。
能够选择出一条最符合条件的路径会给我们的日常生活带来极大地方便。
本文就通过找城市各地之间的最短距离路径为例,详细的介绍经典的最短路径算法Dijkstra算法及其算法的实现。
2相关知识定义2.1.1图G是一个有序二元组<V,E>,记作G=<V,E>,其中V是一个非空集合,V中的元素成为结点;E是无序积V&V的多重子集,称E为G的边集。
每一条边都是无向边的图称为无向图,每一条边都是有向边的图称为有向图。
定义2.1.2如果有两条边的端点是同一对顶点,则称这两条边为重复边。
给定图G=(V,E),设v0,v1,……,v n∈V,e1,e2,……,e n∈E,其中e i是关联于结点v i-1,v i的边,交替序列称为联结v0到v n的路。
当v0=v n时,这条路称作回路。
定义2.1.3若图G只有一个连通分支,则称G是连通图。
设无向图G=(V,E)为连通图,若有边集E i⊂E,使图G中删除了E i的任一真子集后得到的子图是连通图,则称E i是G的一个边割集。
若是E i单元集{e},则称e为割边或桥。
定义2.1.4设图G=<V,E>,若G为一个无向图,v∈V,与v关联边的次数为v的度数。
若G为一个有向图,v∈V,v作为边的始点的次数为v的出数;v 作为边的终点的次数为v的入数。
一个结点的度数为奇数,则该点称为奇点,否则称为偶点。
奇点的总数称为奇点数,偶点的总数称为偶点数。
定义2.1.5结点v i到v j结点之间最短通路定义为v i到v j的最短路径。
[1]3Dijkstra算法概述Dijkstra算法是由荷兰计算机科学家狄克斯特拉(Dijkstra)于1959年提出的,因此又叫狄克斯特拉算法。
是从一个顶点到其余各定点最短路径算法,解决的是有向图中最短路径问题,当然对无向图也同样适用。
Dijkstra算法用于计算一个源节点到所有其他节点的最短代价路径,它是按路径长度递增的次序来产生最短路径的算法。
【4】其基本原理是:每次新扩展一个距离最短的点,更新与其相邻接的点的距离。
当所有边权都为正时,由于不会存在一个距离更短的没扩展过的点,所以这个点的距离永远不会再被改变,因而保证了算法的正确性。
不过根据这个原理,用Dijkstra求最短路的图不能有负权边,因为扩展到负权边的时候会产生更短的距离,有可能就破坏了已经更新的点距离不会改变的性质。
举例来说,如果图中的顶点表示城市,而边上的权重表示各个城市间的距离,Dijkstra算法可以用来找到两个城市之间的最短路径。
4算法描述4.1 基本思想Dijkstra提出的是一种按路径长度递增的顺序产生最短路径的方法,即:把图中所有顶点分成两组,第一组S包括已经确定最短路径的顶点,初始时只含有源点;第二组V-S中包括尚未包括最短路径的顶点,初始时含有图中除源点以外的所有其他顶点。
按路径长度递增的顺序就是远点到各顶点的最短路径,逐个把第二组中的顶点加到第一组中去,直至S=V。
【5】4.2 实现思路整个网络用邻接矩阵cost[][]表示,其中规定:(1)两个顶点之间无直接路径,即<Vi,Vj>弧不存在,矩阵中对应权值为无穷大;(2)两个顶点之间有直接路径<Vi,Vj>的,矩阵中的权值就是<Vi,Vj>弧对应的两点间的权值,当然根据实际的问题这里既可以是两地之间的距离也可以是两地间需要的费用等;(3)<Vi,Vi>对应的值为0.S集合初始存放在最短路径的源点,计算过程中将已经确定了最短路径的点加入到S中去,本人的思路是每个点对应数组里对应的值,若确定了某顶点时最短路径的点则将其对应的值变为1,知道所有的点对应的值变为1。
dist数组最终存放源点到各顶点最短路径的结果。
Path数组最终存放源点到各顶点的最短路径经过的顶点。
4.3 计算步骤(1)dist初始存放源点到各顶点的权值。
(2){dist(i)|Vi∈(V-S)}中最小值对应的顶点就是从源点Vi到其他顶点的最短路径中最短的一条所对应的顶点,即dist(j)=min{dist(i)∈(V—S)}。
(3)对于所有顶点Vk(Vk∈(V—S)),修改dist(k)的值:dist(k)=min(dist[k],dist[j]+cost[j,k])在修改后的dist[k]中进行第二步,求得第二个j,顶点Vj加入S集合中,第二条最短路径产生。
重复(2)(3)步,直至求得从源点Vi到各顶点的最短路径为止。
5程序实现网络为例,单从各个区的距离来看,构成的网络是一个无向图,由于我没有这些具体的数据,所以假设各区之间的交通道路组成如图1所示。
地名与各顶点的对应关系如表1所示。
图1 重庆市交通道路网5.1 数据结构定义该网络用邻接矩阵存储,其结构定义如下:#define MAXLEN 100#define MAX 10000typedef struct{string vexs[MAXLEN];//图中的顶点的信息double arcs[MAXLEN][MAXLEN];//存放图信息的邻接矩阵int vexnum,arcnum;//顶点的数目和边数}MGRAPH;5.2 构造算法依据上述结构我们可以构造表示上述交通网络的有无向向网。
其算法如下:MGRAPH creat_mgraph(){int i,j,k;double h;MGRAPH mg;cout<<"请输入顶点数和边数:";cin>>i>>j;mg.vexnum = i;mg.arcnum = j;for(i = 0;i < mg.vexnum;i++){cout<<endl;cout<<"第"<<i+1<<"个顶点的信息:";string xx;cin>>xx;mg.vexs[i] = xx;}for(i = 0;i < mg.vexnum;i++)for(j = 0;j < mg.vexnum;j++)mg.arcs[i][j] = MAX;//将矩阵中存放的距离初始化为最大值for(k = 0;k < mg.arcnum;k++){cout<<"第"<<k+1<<"条边的起始顶点编号和终止顶点编号:";cin>>i>>j;while(i < 1 || i > mg.vexnum || j < 1 || j > mg.vexnum){cout<<"编号超出范围,请重新输入:"<<endl;cin>>i>>j;}cout<<"此边的权值:";cin>>h;mg.arcs[i-1][j-1] = h;mg.arcs[j-1][i-1] = h;}return mg;}具体操作时,需要在主程序中输入顶点和边的信息(两个端点及权值),即交通网络的地名在主程序中的名称及两地之间是否有通路的信息,若有通路还需输入两地间的距离。
5.3 主程序在给出了数据结构类型及具体操作的算法之后,可以编辑出如下的主程序:int main(){MGRAPH mg;int cost[MAXLEN][MAXLEN];int path[MAXLEN],s[MAXLEN];//path存放路径,s存放已确定最短路径的顶点int dist[MAXLEN];//存放源点到个顶点的权值int i,j,n,v0,min,u;mg = creat_mgraph();//建立有向图的邻接矩阵结构cout<<endl<<"请输入起始点的编号:";// 有向图中顶点的编号从1编起cin>>v0;v0--;n = mg.vexnum;for(i = 0;i < n;i++)//cost矩阵初始化{for(j = 0;j < n;j++)cost[i][j] = mg.arcs[i][j];cost[i][i] = 0;}for(i = 0;i < n;i++){dist[i] = cost[v0][i];//dist数组初始化if(dist[i] < MAX&&dist[i] > 0)path[i] = v0;//path数组初始化}for(i = 0;i < n;i++)s[i] = 0;//s数组初始化s[v0] = 1;for(i = 0;i < n;i++){min = MAX;u = v0;for(j = 0;j < n;j++)if(s[j] == 0&&dist[j] < min){min = dist[j];u = j;}s[u] = 1;//u顶点时求得最短路径的顶点编号for(j = 0;j< n;j++)if(s[j] == 0&&dist[u] + cost[u][j] < dist[j]){dist[j] = dist[u] + cost[u][j];path[j] = u;//path记录了通过路径的顶点}}for(i = 0;i < n;i++)//打印结果if(s[i] == 1){u = i;while(u != v0){cout<<mg.vexs[u]<<"<-";u = path[u];}cout<<mg.vexs[u]<<" dist = "<<dist[i]<<endl;}elsecout<<i+1<<"->"<<v0+1<<"无路径"<<endl;return 0;}6实验结果该程序在vc6.0下调试通过,按程序提示的要求输入相应的数据。