分享
分享赚钱 收藏 举报 版权申诉 / 15

类型图论.doc

  • 上传人:gnk289057
  • 文档编号:6072419
  • 上传时间:2019-03-26
  • 格式:DOC
  • 页数:15
  • 大小:525.50KB
  • 配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    图论.doc
    资源描述:

    1、第七部分 图论方法第十六章 图论模型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、

    2、军事等领域中许多问题的有力工具之一, 图论模型属于离散类数学模型,是数学模型中比较容易为学生接受的一类模型,具有直观性、趣味性和简洁性,深得大学生的青睐。另外,图论模型属于较为近代的前沿性数学知识,又具有强烈的,易于为学生接受的数学建模味道,对于培养学生通过建模解决实际问题的能力与学习兴趣都是不可多得的知识内容,因此越来越受到数学家和建模工作者的喜爱我们所学的这一章只是介绍一些基本概念、原理以及一些典型的应用实例,目的是在今后的学习研究时,可以把图论的基本知识、方法作为工具本章先介绍图论的基本概念,然后通过哥尼斯堡七桥问题、最短路径问题、中国邮递员问题、人员分派问题、稳定匹配问题、竞赛图等例子

    3、介绍图论的具体应用。16.1 图的基本概念图是一个有序对, V 是结点集, E 是边集,以表示结点数目,表示边的数目,则当 V和 E有限时,称为有限图;否则称无限图. 无向边, 与无序结点对( v, u)相关联的边;有向边,与有序结点对相关联的边; 无向图,每条边都是无向边的图,记作 G; 有向图,每条边都是有向边的图,记作 D. 混合图,既有有向边,也有无向边的图. 平凡图,仅有一个结点的图;零图,边集为空集的图, 即仅有结点的图. 自回路(环),关联于同一个结点的边 . 无向平行边,联结相同两个结点的多于 1 条的无向边;有向平行边,联结两个结点之间的多于 1 条且方向相同的有向边 . 简

    4、单图,不含平行边和自回路的图 . 在有向图 D中,以 v(V)为起点的边之条数为出度 deg (v);以 v(V)为终点的边之条数为入度 deg (v). 在无向图 G中,与结点 v(V)关联的边数,即为结点度数 deg(v)或 d(v).;在有向图中,结点 v 的出度和入度之和为度数. 最大度数,(G) maxdeg(v) vV;最小度数,(G)=mindeg(v) vV有 n 个结点的且每对结点都有边相连的无向简单图,称为无向完全图.此时有;有 n 个结点的且每对结点之间都有两条方向相反的边相连的有向简单图为)1(2nE有向完全图. 此时有 。)1(E设 G, V,E 的子集 V,E构成的

    5、图 G=是图 G 的子图;若 GG 且GG,(V V 或 EE),G是 G 的真子图.生成子图,设图 G, 若 EE, 则图是图的生成子图,即结点与原图 G 相同的子图.16.2 哥尼斯堡七桥问题十八世纪东普鲁士城(今俄罗斯加里宁格勒)的普莱格尔河,它有两个支流,在城市中心汇成大河,中间是岛区,河上有 7 座桥,将河中的两个岛和河岸连结,如图 1 所示。由于岛上有古老的哥尼斯堡大学,有教堂,还有哲学家康德的墓地和塑像,因此城中的居民,尤其是大学生们经常沿河过桥散步。渐渐地,爱动脑筋的人们提出了一个问题:一个散步者能否一次走遍 7 座桥,而且每座桥只许通过一次,最后仍回到起始地点。这就是七桥问题

    6、,一个著名的图论问题。图 1 图 2当时的人们请教了数学家欧拉。欧拉认为,既然陆地是桥梁的连接地点,不妨把图中被河隔开的陆地看成 A、B、 C、D4 个点,7 座桥表示成 7 条连接这 4 个点的线,如图 2 所示。于是“七桥问题 ”就等价于图 2 中所画图形的一笔画问题了。欧拉注意到,每个点如果有进去的边就必须有出来的边,从而每个点连接的边数必须是偶数个才能完成一笔画。于是,为了解决这个问题,欧拉提出了奇点和偶点的概念,与奇数条边相连的点称为奇点,与偶数条边相连的点称为偶点,从而产生了著名的“一笔画定理 ”,即一笔画中的奇点数目为 0 或 2 个。图 2 中的每个点都连接着奇数条边,即奇点数

    7、为 4,因此不可能一笔画出,这就说明不存在一次走遍 7 座桥,而每座桥只许通过一次的走法。1736 年,欧拉以此发表了图论的首篇论文“哥尼斯堡七桥问题” 。由此可引出欧拉图的概念如下:(1) 通过图中所有边一次且仅一次行遍所有顶点的通路称为欧拉通路;(2) 通过图中所有边一次且仅一次行遍所有顶点的回路称为欧拉回路;(3) 具有欧拉回路的图称为欧拉图;(4) 具有欧拉通路但无欧拉回路的图称为半欧拉图。欧拉图和半欧拉图都有简单的判别方法,定理如下:定理 1(1)无向连通图是欧拉图当且仅当其所有顶点的度数都是偶数;(2)无向连通图是半欧拉图当且仅当其奇点数为 2;寻找欧拉回路的算法如下:(1)任取

    8、,令 ;0vVG0Pv(2)设 已经行遍,按下面方法从 中选取 :12i iPe 12,iEGe 1ie(a) 与 相关联;1iiv(b)除非无别的边可供行遍,否则 不应该为 中的桥(所谓1ie12,i ie桥是一条删除后使连通图不再连通的边) ;(c )当(b)不能再进行时,算法停止。此算法称为 Fleury 算法。例 1 图 3 是否为欧拉图,并求出一条欧拉回路。图 3解:图中奇点数量为零,由定理 1 得,该图为欧拉图。由 Fleury 算法,AFEDCBAFECFBA 就是该图的一条欧拉回路。16.3 最短路径问题假设要在计算机上建立一个交通咨询系统,则可以采用图的结构来表示实际的交通网

    9、络。用顶点表示城市,边表示城市间的交通联系。这个咨询系统可以回答旅客提出的各种问题。如,给定连接若干城市的铁路网,找一条给定两城市间的最短线路,此即所谓最短线路问题。有时,对于旅客来说,可能更关心的是节省交通费用;而对于司机来说,里程和速度则是他们感兴趣的信息。为了在图上表示有关年,可对边赋以权,权值表示两地之间的距离,或途中所需时间,或交通费用等等,此时的最短路径就可能是时间最少的路径或最省钱的路径。我们讨论单源点的最短路径问题:给定带权有向图 G 和源点 v,求从 v 到 G 中其余各顶点的最短路径。图 4例如,图 4 所示带权有向图 G 中从 A 到其余各顶点之间的最短路径,如表 1 所

    10、示。终点 最短路径 路径长度B 无C ( A, C) 10D (A,E ,D) 50E (A,E) 30F (A,E ,D,F) 60表 1从图中可见,从 A 到 D 有两条不同的路径:(A,C,D)和(A ,E,D),前者长度为 60,而后者的长度为 50。因此,后者是从 A 到 D 的最短路径,而从 A 到 B 没有路径。如何求得这些路径呢?Dijkstra 提出了一个按路径长度递增的次序产生最短路径的算法。首先,引进一个辅助向量 D,它的每个分量 Di表示当前所找到的从始点 v 到每个终点 vi 的最短路径的长度。它的初值为:若从 v 到 vi 有弧,则 Di为弧上的权值;否则置为 。显

    11、然,长度为 的路径就是从 v 出发的长度最短的一条最ijMinV短路径。此路径为 。,jv那么,下一条长度次短的路径的最短路径在哪里呢?假设该次短路径的终点是 vk,则可想而知,这条路径或者是 ,或者是 。它的长度或者是从 v 到 vk 的弧上,k,jkv的权值,或者是 Dj和从 vj 到 vk 的弧上的权值之和。一般情况下,假设 S 为已求得最短路径的终点的集合,则可证明:下一条最短路径(设其终点为 x)或者是弧( v,x),或者是中间只经过 S 中的顶点而最后到达顶点 x 的路径。这可用反证法来证明。假设此路径上有一个顶点不在 S 中,则说明存在一条终点不在 S 而长度比此路径短的路径。但

    12、是,这是不可能的。因为我们是按路径长度递增的次序来产生最短路径的,故长度比此路径短的所有路径均已产生,它们的终点必在 S 中,即假设不成立。因此,在一般情况下,下一条长度次短的最短路径的长度必是iiDjMnvVS其中,Di或者是弧( v,v i)上的权值,或者是 Dk( )和弧(v k,v i)上kS的权值之和。根据以上分析,可以得到如下描述的算法:(1) 假设用带权的邻接矩阵 A 来表示带权有向图,Aij表示弧上的权值。若不存在,则置 Aij为 。S 为已找到从 v 出发的最短路径的终点的集合,它的初始状态为空集。设 Di从 v 出发到图上其余各顶点(终点)v i 可能达到的最短路径长度的初

    13、值.(2) 选择结点,使得iiDjMnVSvj 就是当前求得的这条从 v 出发的最短路径的终点。令jS(3) 修改从 v 出发到集合 VS 上任一顶点 vk 可达的最短路径长度。如果DjAk则修改 Dk为 j(3) 重复操作( 2)(3)共 n-1 次。由此求得从 v 到图上其余各顶点的最短路径是依路径长度递增的序列。例如,图 7.34 所示有向网 G6 的带权邻接矩阵为10105206若对 G6 施行 Dijkstra 算法,则所得从 A 到其余各顶点的最短路径,以及运算过程中D 向量的变化状况,如下所示:从 A 到各终点的 D 值和最短路径的求解过程终点I=1 I=2 I=3 I=4 I=

    14、5B 无C 10(A,C)D 60(A,C,E)50(A,E,D)E 30(A,E)30(A,E)F 100 100 90 60(A,F) (A,F) (A,E,F) (A,E,D,F)Vj C E D FS A,C A,C,E A,C,D,E A,C,D,E,F注意的是,人们可能只希望找到从源点到某一个特定的终点的最短路径,但是,这个问题和求源点到其他所有顶点的最短路径从计算上讲具有一样复杂度。对于无向图,上述方法依然适用。16.4 中国邮递员问题一个邮递员从邮局出发投递信件,他必须在他所管辖范围内的所有街道至少走一次,最后回到邮局,他自然希望一条最短的路线完成投递任务,那么如何选择这样的路

    15、线呢?这个问题是中国数学家管梅谷先生首先提出的,因而被称作中国邮递员问题。要解这个问题,首先应该将该问题用图来描述。构造无向带权图 G=,E 为街道集合,V 中元素为街道的交叉点。街道的长度为该街道对应的边的权,显然所有权大于 0。邮递员问题就变成了求 G 中一条经过每条边至少一次的回路,使该回路所带权最小的问题。满足以上条件的回路是最优投递路线或最优回路。显然,若 G 是欧拉图,则最优投递路线为 G 中的任意一条欧拉回路。若 G 不是欧拉图,则最优投递路线必须要有重复边出现,而要求重复边权之和达到最小,具体说来是这样的。若 G 不是欧拉图,则 G 必有奇点,必须加若干条重复边,使重复边的权与

    16、原边的权相同,设所得图为 ,于是求 G 的最优投递路线就等价于求 的一条欧拉回路,使得重* *复边权之和 最小,其中 。eFw*FE设 C 是 G 中一条最优投递路线, 为对应的欧拉图, 中的添加重复边应满足什么*G条件呢?请见下面定理。定理 14.4 C 是带正权无向连通图 中的最优投递路线当且仅当对应的欧,GVEW拉图 应满足:*(1)G 的每条边在 中至多重复出现一次;*(2)G 的每个圈上在 中重复出现的边的权之和不超过该圈权的一半。G由定理 14.4 不难证明下面定理定理 14.5 设带正权无向连通图 , 为 G 中奇点集,设,GVEW,F=e| 且在求 G 的最优回路时加了重复边,

    17、则 F 的导出子图20VkeEGF可以表示为以 中顶点为起点与终点的 k 条不交的最短路径之并。V基于上述定理,J.Edmonds 和 E.L.Johnson 于 70 年代给出了求解邮递员问题的有效算法。算法步骤如下:1、若 G 中无奇点,令 ,转 2,否则转 3;*G2、求 中的欧拉回路,结束;*G3、求 G 中所有奇点对之间的最短路径;4、以 G 中奇点集 为顶点集, ,边 的权为 之间最短路径的V,ijvV,ijv,ijv权,得完全带权图 ;2kK5、求 中最小权完美匹配 M;k6、将 M 中边对应的各最短路径中的边均在 G 中加重复边,得欧拉图 ,转 2。*G例 2 求图 5 所示带

    18、权图中的最优投递路线。图 5 图 6解:图中只有两个奇度顶点,即 ,容易求出 B 到 E 的最短路径 BAFE,,VBE其权为 13。完全带权图 K2 为图 6 所示,相应的欧拉图 为图 3 所示。若邮局在 A,从*GA 出发的任意一条回路都是最优投递路线,其权为 ,如 AFEDCBAFECFBA 就是W其中一条欧拉回路,其权为 77。16.5 人员分配问题设某企业有 n 个员工 及 n 个工作 ,已知每个员工各胜任一些12,x 12,ny工作。能否使每个员工都分派到一件他胜任的工作?这是很多生产实践及理论问题都涉及到的匹配问题。如果下面先介绍相关的基本概念与性质:定义 1 设 X,Y 都是非

    19、空有限集,且 , ,称XY,ExyXY为二部图。如果 X 中的每个点都与 Y 中的每个点邻接,则称,GE为完备二部图。若 ,则称 为二部赋权图。:FER,GF二部赋权图的权矩阵一般记做 ,其中 。ijXYAaijijaFxy定义 2 设图 , 。若 中任意两条边在 G 中均不邻接,则称 M 是,GVEMG 的一个匹配。定义 3 若匹配是 M 的某条边与点 v 关联,则称 M 饱和点 v,并且称 v 是 M 的饱和点,否则称 v 是 M 的非饱和点。由定义 1 和定义 3 知,一个完备的二部图 ,若 ,则存在饱和,XYEYX 的每个点的匹配。定义 4 设 M 是图 G 的一个匹配,如果 G 的每

    20、一个点都是 M 的饱和点,则称 M 是完美匹配;如果 G 中没有另外的匹配 ,使 ,则称 M 是最大匹配。00由定义 4 知,饱和 X 的每个点的匹配 M 是二部图 G 的最大匹配。显然,每个完美匹配都是最大匹配,反之不一定成立。定义 5 设 M 是图 G 的一个匹配,其边在 E/M 和 M 中交错出现的路,称为 G 的一条 M交错路。起点和终点都不是 M 的饱和点的 M交错路,称为 M增广路。定理 1 G 的一个匹配 M 是最大匹配的充要条件是 G 不包含 M增广路。由此对于人员分配问题,我们可以构造一个二部图 ,这里,XYE, ,并且当且仅当工作人员 胜任工作 时,12,nXx 12,nY

    21、y ixiy与 才相邻。于是,问题转化为求二部图的一个完美匹配。因为 ,因此完美匹iiy配即为最大匹配。下面介绍求二部图 G 的最大匹配的算法,即匈牙利算法,其基本思想是:根据定理 1,从 G 的任意匹配开始,对 X 中所有 M 的非饱和点,寻找 M增广路。若不存在 M增广路,则 M 为最大匹配;若存在 M增广路,则将 M增广路中的 M 的与非 M 的边互换得到比 M 多一边的匹配 M1,再对 M1 重复上述过程。算法步骤:设 为二部图,其中 , 。任给一,XYE12,nx 12,nYy初始匹配(如任取 ,则 是一个匹配) 。ee(1)令 ,转向(2) ;,ST(2)若 M 饱和 X/S 的所

    22、有点,则 M 是二部图 G 的最大匹配。否则,任取 M 的非饱和点,令 ,转向(3) ;uXu(3)令 N(S)=v|uS,v 与 u 相邻,若 N(S)T,转向(2) ,否则取,若 y 是 M 的饱和点,转向(4) ,否则转向(5) ;yT(4)设 ,则令 , ,转向(3) ;xSy(5)uy 路是 M-增广路,设为 P,并令 ,转向(1).MP由于计算 M增广路 P 比较困难,因此将迭代步骤改为:(1)将 X 中 M 的所有非饱和点都给以标号 0 和标记 *,转向(2) ;(2)若 X 中所有有标号的点都已去掉了标记*,则 M 是 G 的最大匹配,否则,任取 X中一个既有标号又有标记*的点

    23、 ,去掉 的标记*,转向(3) ;ixi(3)找出在 G 中所有与 邻接的点 ,若所有这样的 都已有标号,则转向(2) ,ijyjy否则转向(4) ;(4)对与 邻接且尚未给标号的 都给定标号 i,若所有的 都是 M 的饱和点,则ixj j转向(5) ,否则逆向返回。即由其中 M 的任一个非饱和点 的标号 i 找到 ,再由 的jyixi标号 k 找到 ,最后由 的标号 s 找到标号为 0 的 时结束,获得 M增广路,ky tysx,记 ,重新记 ,转向(1) ;stijx stijPx P(5)将 在 M 中与之邻接的点 ,给以标号 j 和标记*,转向(2) 。jykx其中 ,是对称差。回到我

    24、们的问题,假设企业有 5 个员工 及 5 个工作 ,每个员,abcde,ABCDE工胜任工作的情况如图 7 所示,即图中 x 与 y 有连线的即为可胜任的,请给出最大分配方案。图 7解:(1) 取初始匹配 ,如图 7;0,MbBcCeE图 8(2)给 X 中 的两个非饱和点 a,d 都给以标号 0 和标记*,如图 8;0M图 9(3)去掉 a 的标记*,将与 a 邻接的两个点 B,C 都给以标号 1。因为 B,C 都是 的0M两个饱和点,所以将它们在 中邻接的两个点 b,c 都给以相应的标号和标记 *,如图0M9;图 10(4)去掉 b 的标记*,将与 b 邻接且尚未给标号的三个点 A,C,D

    25、 都给以标号 2,如图10。图 11(5)因为 A 是 的非饱和点,所以顺着标号逆向返回依次得到 b,B,直到 a 为 0 为0M止。于是得到 的增广路 aBbA,记 。取,PaBbA,则 是比 M 多一边的匹配,如图 11;10,PaBbcCeE1图 12(6)再给 X 中 的非饱和点 给以标号 0 和标记*,然后去掉 d 的标记*,将与 d 邻0M4x接的两个点 B,C 都给以标号 4。因为 B,C 都是 的两个饱和点,所以将它们在 中邻接M0M的两个点 a,c 都给以相应的标号和标记*,如图 12;图 13(7)去掉 a 的标记*,因为与 a 邻接的两个点 B,C 都有标号 4,所以去掉

    26、 c 的标记*,而与 c 邻接的两个点 B,C 也都有标号 4,此时 X 中所有有标号的点都已去掉了标记*,因此是 G 的最大匹配,如图 13。1MG 不存在饱和 X 的每个点的匹配,因为取 时, ,有,Sabc,NSBC,当然也不存在完美匹配。NS16.6 稳定匹配问题假设有一百个男人和一百个女人, 每个男人都凭自己好恶给每个女人打分, 最爱 a, 其次爱 b, 再次爱 c(假定没有相同的). 每个女人也同样给每个男人打分.然后就是求婚过程.第一天上午, 所有的男人都向自己最爱的女人求婚.下午, 每个女人看看自己有没有收到, 收到了多少人的求婚. 如果只收到一个男人的求婚, 那么就和他订婚.

    27、 如果收到多于一个男人的求婚, 那么就和其中她最爱的那个男人订婚 , 同时把其他男人都拒绝掉. 如果一个求婚都没有, 不要着急 , 最后总会有的.晚上, 牧师来检查一遍, 如果所有女人都订婚了, OK, 万事大吉, 明天举行集体婚礼.但如果还有女人没有订婚, 那么第二天还得重复.第二天上午, 所有还没订婚的男人向自己次爱的女人求婚(因为昨天已经成功或者被最爱的女人拒绝了).下午, 每个女人再看一遍自己收到订婚的情况. 如果她已经订婚了, 但是又有一个她更爱的男人来向她求婚, 那就把原来那个拒绝掉, 再和这个更爱的男人订婚; 如果还没订婚, 那就和第一天的下午的处理一样.晚上再检查一遍, 如果还

    28、是有人没有订婚, 那第三天再重复.第三天上午, 所有没有订婚的男人, 包括第一天订了第二天又被踹出来的, 再向还没有拒绝过他的女人中他最爱的那个求婚.如此周而复始, 直到最后大家都订了婚, 便一起结婚.这么个过程, 可以用图论的方法来讨论。设简单偶图 中,男孩集,GXYE,女孩集 ,每边 xy 表示男孩 x 与女孩 y 彼此认识。12,mXx 12,mYy今假设每个男孩 x 对他所认识的所有女孩有一个倾向度排序,每个女孩 y 对他所认识的所有男孩也有一个倾向度排序,对 G 上任意给定的一个倾向度分派,称 G 的一个匹配 M 为稳定匹配,如果对 G 中任一条非 M 边 xy,以下两个条件至少有一

    29、个成立:(1) M 中存在这样一条边 (即 x 是 M 饱和的) ,使 x 倾向于 胜过 y;y (2) M 中存在这样一条边 (即 y 是 M 饱和的) ,使 y 倾向于 胜过 x;由上述定义知,在一个稳定匹配 M 中,若 x 不娶 y(即 ) ,则至少发生下面两种x情况中的一种,即或者 x 娶了比 y 他更倾向的女孩 ,或者 y 嫁了比 x 她更倾向的男孩 , x简而言之,每当男孩 x 与女孩 y 在 M 下不配对时,两人中至少有一个在 M 下有较满意的配对。否则,x 和 y 最终会结婚,并必与他们现在的配偶(若有的话)离婚,导致现有婚姻的不稳定。数学上可以证明:在任给定的一个倾向度分派下

    30、,任一偶图中,都可找到一稳定匹配,且为一 X最优稳定匹配 ,即对 G 中的任一稳定匹配 M 及任一顶点 ,若 , xXy则存在 ,使 ;或 x 倾向于 胜过 y。由定义可知:相对于其他任一稳定xyy匹配而言,在 下对每个男孩是最好的;又,如果 X最优稳定匹配存在的话,它一定M是唯一的。具体而言,第一, 这个过程会中止, 也就是说, 总有大家都订了婚的一天,不可能无限循环.第二, 中止后所有的婚姻是稳定婚姻. 所谓不稳定婚姻是说, 比如说有两对夫妇 M1, F1 和 M2, F2, M1 的老婆是 F1, 但他更爱 F2;而 F2 的老公虽说是 M2. 但她更爱 M1(注意是更爱,不是最爱),

    31、这样的婚姻就是不稳定婚姻,因为 M1 和 F2 理应结合, 他们现在各自的婚姻都是错误. 我们能证明的是, 通过上面那个求婚过程, 所有的婚姻都是稳定的, 没有人犯错误.第三, 比较引人注目的是, 这个过程中, 男性能够获得尽可能好的伴侣, 比如说最后有二十个女人拒绝了他,他仍然能够得到剩下的八十个女人中他最爱的那一个.第四, 更有甚者, 这个过程是不利于女性的, 女人总是在可能的情况下被最不喜欢的人追上. 这一点没有那么直观的理解, 勉强要解释的话, 可以这么看: 虽说女人每换一次订婚对象, 都往上升一层, 但起点可能很低, 虽说在一步步接近她最爱的目标, 但最后往往达不到. 比如说还差三十

    32、名就达到她最爱的人了, 但这时游戏就结束了, 所有的人都已订了婚, 这样她也只能死了心了. 还有三十个她更爱的人还没向她求过婚,可是她也无可奈何了.16.7 竞赛图几支球队参加单循环比赛,各队两两交锋,每场比赛无平局,必分输赢,类似于一些国家的篮球联赛。如何排列各队的名次,成为比赛组织者和各参赛队关心的问题。可以用图论的方法来解决这个问题。用图的顶点表示球队,而用连接两个顶点、以两点间的有向边表示两队的胜负结果。这样的图我们称为竞赛图。用竞赛图可以表示循环赛的结果。2 个队的比赛结果只有两种,其相应的竞赛图可归纳为一种。3 个顶点的竞赛图可归为两种情况,第一种,三个队中有一个队胜两场,一个队胜

    33、一场,一个队一场未胜,如图 14(a) ,则名次为1,2,3;第二种,三个队各胜一场,如图 14(b),则三队名次相同。(a) (b)图 14 3 个顶点的竞赛图4 个顶点的竞赛图共有四种形式。(1) 有唯一的通过全部顶点的有向路径,即完全路径,如图 15(a)中的,从图中可看出,1 胜了其余三个队,2 负于 1,但胜了2343、4,3 负于 1、2,胜了 4,4 一场未赢,因此四个队的排序就如同完全路径中各点的顺序,1,2,3,4。(2) 2 战胜其余三队,而其余三队之间各胜一场,如图 15(b)所示,则 2 第一,其余三队并列第二;(3) 与(2)相反,2 输给其余三队,而其余三队之间各胜

    34、一场,如图 15(c)所示,则 2 倒数第一,其余三队并列第一;(4) 有不只一条完全路径,如 , ,如图 15(d)所12341示,则无法直接定名次。(a) (b) (c) (d)图 15 4 个顶点的竞赛图显然,这第四种情形是研究的重点, (4)还具有(1)(3)所没有的性质:对于任何一对顶点,存在两条有向路径,使两顶点可以相互连通,这种有向图称为双向连通的。以上四种情况实际可以归为 3 种类型:(a)有唯一完全路径,即(1) ,则排名按照完全路径确定的顶点的顺序;(b)双向连通图,即(4) ;(c)不属于上述两种类型,即(2) (3) ,则无法全部排名。更多顶点的竞赛图虽然更加复杂,但基

    35、本类型仍为这三种。我们重点讨论(b)这种类型。用 n 表示顶点即球队个数,当 n=3 时,如图 14(b)所示,名次相同。当 时,定义竞赛图的邻接矩阵 如下:当存在从顶点 i 到 j 的有向边4ijnAa时, ;否则, 。则图 15(d)的邻接矩阵为1ija0ija01A令 表示第 i 个队的得分,则称 n 维向量 为得分向量,如果胜一场is 12,TnSs得 1 分,负一场得 0 分,则有,,TAe由此,图 15(d)的得分向量是 ,还无法排出全部名次。2,1TS记 ,称为 1 级得分向量,计算 ,称为 2 级得分向量。2 级得分向量1S1AS的每个分量,实际上就是我们俗称的对手分,即表示第 i 支球队所战胜的对手的得分,由此可以在得分相同的情况下,战胜的对手越强,表示得分的含金量越高,也可以作为一种排名次的依据。继续这个过程,得到 k 级得分向量 1,2,kkkSAe当 时, 收敛于某个极限得分向量(每一步应进行归一化) ,则可以用这个向kk量作为排名次的依据。实际上,只要算得 的各个分量均不相等时,就可以以此排出名k次。

    展开阅读全文
    提示  道客多多所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:图论.doc
    链接地址:https://www.docduoduo.com/p-6072419.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    道客多多用户QQ群:832276834  微博官方号:道客多多官方   知乎号:道客多多

    Copyright© 2025 道客多多 docduoduo.com 网站版权所有世界地图

    经营许可证编号:粤ICP备2021046453号    营业执照商标

    1.png 2.png 3.png 4.png 5.png 6.png 7.png 8.png 9.png 10.png



    收起
    展开