建议先看上一篇基本概念篇 https://blog.csdn.net/weixin_45755332/article/details/106899147

最小生成树

基本概念和方法

树：没有圈的连通图
图一是，图二有圈，图三灭有连通

生成子图：对于无向图 G =(V,E) ,保留G的所有点，而删掉G的边或者保留部分 G 的边，所获得的图称为 G 的生成子图。
如左图去了那两条边，剩下的那个图就是生成子图

生成树：若图 G 的一个生成子图是一个树，则称这个生成子图为生成树。上面右图就是一个最小生成树

最小生成树问题：在一个赋权的连通的无向图 G 中找出一个生成树，并使得这个生成树的所有边的权数之和为最小。

最小生成树的常用方法：

破圈法：任取一圈，去掉圈中最长边，直到无圈。

把这些圈的权值最大的去掉，剩下的那个生成树就是最小生成树
注：当一个圈中有多个相同的最长边时，不能同时都去掉，只能去掉其中任意一条边。最小生成树有可能不唯一，但最小生成树的长度相同

2. 加边法（避圈法）：2.加边法(避圈法) ：取图G的n个孤立点｛v1，v2，…， vn}作为一个支撑图，从最短边开始往支撑图中添加，见圈回避，直到连通（有n－1条边）

开始是六个顶点，然后根据那张赋权图，按权值从小到大的顺序来进行连接

连接完第四条线时，v1→v2和v3→v6权值都是5，但v1→v2连接的话就是圈了，所以只能是v3→v6

prim算法构造最小生成树：
设置两个集合P和Q,其中P用于存放的最小生成树G中的顶点，集合Q存放的最小生成树G中的边。令集合P的初值为 P=v1P={v_1}P=v1 （假设构造最小生成树时从顶点v1v_1v1 出发），集合Q的初值为Q=θQ=\thetaQ=θ 。
prim算法的思想是，从所有 p∈P,v∈V−Pp\in P,v \in V-Pp∈P,v∈V−P ,的边中，选取具有最小权值的边 pv ，将顶点v加入集合P中，将边pv加入集合Q中，如此不断重复，直到 P=V 时，最小生成树构造完毕，这时集合Q中包含了最小生成树的所有边。

下面用代码来解下面最小生成树
用result 3*n 的第一、二、三行分别表示生成树边的起点、终点、权集合。

clc;clear;
a=zeros(7);
a(1,2)=50; a(1,3)=60;
a(2,4)=65; a(2,5)=40;
a(3,4)=52;a(3,7)=45;
a(4,5)=50; a(4,6)=30;a(4,7)=42;
a(5,6)=70;
a=a+a';a(a==0)=inf;
result=[];p=1;tb=2:length(a);
while size(result,2)~=length(a)-1temp=a(p,tb);temp=temp(:);d=min(temp);[jb,kb]=find(a(p,tb)==d,1); %找第1个最小值j=p(jb);k=tb(kb);result=[result,[j;k;d]];p=[p,k];tb(find(tb==k))=[];
end
resultresult =1     2     5     4     4     72     5     4     6     7     350    40    50    30    42    45

下面用避圈算法的MATLAB程序计算上题，结果一样

clc;clear;
a(1,[2,3])=[50,60]; a(2,[4,5])=[65,40]; %这里给出邻接矩阵的另外一种输入方式
a(3,[4,7])=[52,45]; a(4,[5,6])=[50,30];
a(4,7)=42; a(5,6)=70;
[i,j,b]=find(a);
data=[i';j';b'];index=data(1:2,:);
loop=length(a)-1;
result=[];
while length(result)<looptemp=min(data(3,:));flag=find(data(3,:)==temp);flag=flag(1);v1=index(1,flag);v2=index(2,flag);if v1~=v2result=[result,data(:,flag)];endindex(find(index==v2))=v1;data(:,flag)=[];index(:,flag)=[];
end
resultresult =4     2     4     3     1     46     5     7     7     2     530    40    42    45    50    50

某大学准备对其所属的7各学院办公室计算机联网，这个网络的可能联通的途径如图11- -14所示，图中V1,——,V7表示7个学院办公室，图中的边为可能联网的途径，边上所赋的权数为这条路线的长度，单位为百米。请设计一个网络能联通7个学院办公室，并使总的线路长度为最短。

注：这是一个最小生成树问题，不是最短路问题，因为他所有的都要连接上。

clc;clear;
a=zeros(7);
a(1,7)=3; a(1,6)=10;
a(2,7)=3; a(2,3)=1;
a(3,4)=7; a(3,5)=2;a(3,7)=4;
a(4,5)=8;
a(5,6)=4; a(5,7)=5;
a(6,7)=3;
a=a+a';a(a==0)=inf;
result=[];p=1;tb=2:length(a);
while size(result,2)~=length(a)-1temp=a(p,tb);temp=temp(:);d=min(temp);[jb,kb]=find(a(p,tb)==d,1); %找第1个最小值j=p(jb);k=tb(kb);result=[result,[j;k;d]];p=[p,k];tb(find(tb==k))=[ ];
end
resultresult =1     7     2     3     7     37     2     3     5     6     43     3     1     2     3     7

最大流问题

基本概念

最大流问题(maximum flow problem)，一种组合最优化问题，就是要讨论如何充分利用装置的能力，使得运输的流量最大，以取得最好的效果。
如图所示的网络图中定义了一个发点v1，定义了一个收点v7，其余点v2，v3，…，v6为中间点，称为转运点。如果有多个发点和收点，则虚设发点和收点转化成一个发点和收点。图中的权是该弧在单位时间内的最大通过能力，称为弧的容量(capacity)。最大流问题是在单位时间内安排一个运送方案，将发点的物质沿着弧的方向运送到收点，使总运输量最大。

设cijc_{ij}cij为弧（i，j）的容量，fijf_{ij}fij为弧（i，j）的流量。
容量是弧（i，j）单位时间内的最大通过能力，流量是弧（i，j）单位时间内的实际通过量，流量的集合f=fijf={f_{ij}}f=fij称为网络的流。发点到收点的总流量记为v=val(f)，v也是网络的流量。
注意：流量只是发出点的发出量或流入点的流入量，中间点的流入量和流出量是一样的。
概念区分
链：从发点到收点的一条路线（弧的方向不一定都同向）称为链。从发点到收点的方向规定为链的方向。
前向弧：与链的方向相同的弧称为前向弧。
后向弧：与链的方向相反的弧称为后向弧。
增广链: 设 f 是一个可行流，如果存在一条从vs到vt的链，满足：
1.所有前向弧上fij<Cijf_{ij}<C_{ij}fij<Cij
2.所有后向弧上fij>0

Ford-Fulkerson标号算法

第一步：找出第一个可行流，例如所有弧的流量fij =0；
第二步：对点进行标号找一条增广链。
- （1）发点标号（∞）
- （2）选一个点viv_ivi 已标号并且另一端未标号的弧沿着某条链向收点检查：
  - A.如果弧的方向向前（前向弧）并且有cij<fijc_{ij} < f_{ij}cij<fij，则vj标号:θj＝cij－fij（容量−流量）θ_j＝c_{ij}－f_{ij}（容量-流量）θj＝cij－fij（容量−流量）
  - B.如果弧的方向指向vi（后向弧）并且有fjif_{ji}fji>0，则vj标号: θj＝fjiθ_j＝f_{ji}θj＝fji
    当收点已得到标号时，说明已找到增广链，依据vi 的标号反向跟踪得到一条增广链。当收点不能得到标号时，说明不存在增广链，计算结束。
第三步：调整流量
- （1）求增广链上点vi 的标号的最小值，得到调整量 θ=min⁡jθj\theta=\min_j{\theta_j}θ=minjθj
- （2）调整流量
  
  得到新的可行流f1，去掉所有标号，返回到第二步从发点重新标号寻找增广链，直到收点不能标号为止.

定理1 可行流f是最大流的充分必要条件是不存在发点到收点的增广链 .

例求图中的发点v1到收点v7的最大流.

先假设已经给定了这个可行流，可以检查一下，发点和接收点的流量是相同的，都是16；每个点的流入量和流出量也是相同的。

然后进行第一轮标号

先看｛1→21→21→2｝正向弧，8-6=2，圈2上就标号为2；
｛2→42→42→4｝｛2→62→62→6｝都是正向弧，但流量已经到达最大流了，所以不能增加了
｛2→52→52→5｝反向弧，所以圈3直接标3-0=3
｛3→43→43→4｝正向弧，圈4标3，当然也可以｛3→6→4｝这样多一条路径但结果一样就不用这个了
｛4→7｝正向弧，圈7标号10-3=7

增广链μ＝{(1,2)，(3,2)，(3,4)，(4,7) },μ+={(1,2)，(3,4)，(4,7)},μ－={(3，2)}，调整量为增广链上点标号的最小值 θ＝min{∞，2，3，3，7}＝2，对其进行调整

这里有反向弧，调整后是正向弧+2，反向弧-2

第二轮
与第一轮是一样的，要说的就是｛3→2｝虽然没有到最大容量，但圈2往后不能增加了，所以直接不用看

增广链μ＝μ＋＝{(1,3)，(3,4)，(4,7) }，调整量为 θ＝min{∞，4，1，5}＝1
这里没有反向弧，经过的弧流量都加1

第三轮

增广链μ＝μ＋＝{(1,3)，(3,6)，(6,4)，(4,7) }，调整量为 θ＝min{∞，3，1，2，4}＝1
全是正向弧，都加1

经过排查只有这些增广链了，所以可以下结论了
最大流量v＝f12+f13＝8+12=20=f67+f47+f57=6+2+7+7\color{Blue}v＝f12+f13＝8+12=20=\color{Red}f67+f47+f57=6+2+7+7v＝f12+f13＝8+12=20=f67+f47+f57=6+2+7+7
上面是有向图，无向图就更简单了，直接全是加就完了。

截集-截量法

将图G＝（V，E）的点集分割成两部分V1,V1‾V_1,\overline{V_1}V1,V1并且vs∈V1v_s\in{V_1}vs∈V1以及vt∈V1‾v_t\in\overline{V_1}vt∈V1,则箭尾在V_1箭头在 V1‾\overline{V_1}V1 的弧集V1,V1‾V_1,\overline{V_1}V1,V1称为一个截集，截集中所有弧的容量之和称为截集的截量。

下图所示的截集为V1,V1‾V_1,\overline{V_1}V1,V1={(1,2),(3,4),(3,5)}，截量C=6+2+2=10;

为什么没有｛2，3｝呢？是因为弧内的① ③ 要指向弧外的 ② ④ ⑤ ⑥ ，｛2，3｝是弧外的指向弧内的了。

又如下图所示的截集为V1,V1‾V_1,\overline{V_1}V1,V1= {（2,4),(3,(5,4)(5,0）}
截量C(V1,V1‾)C(V_1,\overline{V_1})C(V1,V1)=4+2+6+9=21

下图所示的截集为V1,V1‾V_1,\overline{V_1}V1,V1= {(2,4),(2,5),(3,4),(3,5)}
截量C=4+1+2+2=9

所有截量中此截量最小且等于最大流量，此截集称为最小截集。经过计算这个图最小截量就是9，所以最大流量就是9；
定理2最大流量等于最小截集的截量。\color{Red}定理2 最大流量等于最小截集的截量。定理2最大流量等于最小截集的截量。

数学建模之图论——图与网络模型（二）（最小生成树问题、最大流问题）相关推荐

数学建模之图论——图与网络模型（一）（基本概念和最短路问题，附MATLAB源码）
图与网络的基本概念与数据结构一.图与网络的基本概念图论中图是由点和边构成的,可以反映一些对象之间的关系. 无向图无向图(简称图):没有方向,由点和边构成的图,记做G =(V , E),点是V,边 ...
从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型 (二)
本文属于图神经网络的系列文章,文章目录如下: 从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络模型 (一) 从图(Graph)到图卷积(Graph Convolutio ...
【转载】从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型 (二)
从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络模型 (二) 作者: SivilTaram 出处:https://www.cnblogs.com/SivilTaram/ ...
数据挖掘机器学习[七]---2021研究生数学建模B题空气质量预报二次建模求解过程：基于Stacking机器学习混合模型的空气质量预测｛含码源+pdf文章｝
相关文章: 特征工程详解及实战项目[参考] 数据挖掘---汽车车交易价格预测[一](测评指标:EDA) 数据挖掘机器学习---汽车交易价格预测详细版本[二]{EDA-数据探索性分析} 数据挖掘机器学习 ...
2021年数学建模国赛C题问题二详细思路和代码
2021年数学建模国赛C题问题一详细思路和代码说明: 本思路仅为小编个人思路,其中关于本文中给出的AdaBoost回归预测模型于今年的国赛参考评分标准有所出入,所以本题思路为个人创新思路,不一定符 ...
数学建模快速入门（6）二维图和三维图
二维图要创建二维线图,请使用 plot 函数. 例如,绘制从 0 到 5π 的正弦函数值: 三维图三维图通常显示一个由带两个变量的函数(即 z = f (x,y))定义的曲面图. 要计算 z,请首 ...
matlab中离开网格的流量,数学建模【数据处理方法(一维、二维插值方法；数据拟合方法；插值and拟合的MATLAB实现)】...
[学习网址:MOOC---郑州轻工业大学---数学建模与实验]数学建模专栏笔记01[第1.2章][概述.软件介绍] 笔记02[第3章][数据处理方法] 笔记03[第4章][规划模型] 笔记04[第5 ...
数学建模神经网络应用,构建神经网络模型方法
数学模型的建立与求解 . 8.3.2.1数学模型的求解本次研究采用地下水数值模拟软件ProcessingModflow,利用美国地质调查局所开发的三维有限差分地下水流模型Modflow(Modular ...
【数学建模】图论模型-Floyd算法（最优化）
文章目录一.算法介绍二.适用问题三.算法总结 1. 步骤四.应用场景举例五.MATLAB代码六.实际案例七.论文案例片段(待完善) Floyd算法主要针对数学建模问题中的一些小的子问题进 ...

数学建模之图论——图与网络模型（二）（最小生成树问题、最大流问题）