数学建模学习笔记（七）—

文章目录

一、综述
二、图论最短路问题
三、几个简单的作图方法
四、Dijkstra（迪杰斯特拉）算法
五、Bellman-Ford算法
六、总结

一、综述

本文主要根据图论的基本概念，介绍图论中常见的建模问题——最短路问题。同时，介绍了解决图论最短路问题的两种算法：Dijkstra（迪杰斯特拉）算法和Bellman-Ford（贝尔曼-福特）算法。

在此之前，需要具备基本的图论知识哦~~~

二、图论最短路问题

图论最短路问题指的是在带权重的图中，求出一条从一点节点到另一个节点的路径，使这条路径上的权重之和最小。

三、几个简单的作图方法

1.CS Academy：
https://csacademy.com/app/graph_editor/
2. Matlab：
无向图：graph()函数
有向图：digraph()函数

四、Dijkstra（迪杰斯特拉）算法

DijkstraDijkstraDijkstra（迪杰斯特拉）算法描述
假设未选取的节点集合未V，已选取的节点集合为S。
-除起点外，其他节点初始距离为 ∞\infty∞，起点距离为0。
-更新节点之间的距离（相邻接的节点距离即为权值，不相邻接的节点距离仍为 ∞\infty∞）。
-选取另一个未被选取过且距离最小的节点作为中转点，更新距离。（原距离 + 该节点和目标节点的权值 < 目标节点的原距离，则更新目标节点的距离为前者；否则不更新）。
-重复第三步，直到到达目标节点。
下面来看一个例子：
有一个旅行者想要从 v1v1v1 节点到 v8v8v8 ，求出最短旅行路线。

解决步骤
第一步：初始化表格

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	0	0	0	0	0	0	0	0	0
距离	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf
父亲节点	-1	-1	-1	-1	-1	-1	-1	-1	-1

第二步：从 v1 节点开始

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	0	0	0	0	0	0	0	0
距离	0	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf
父亲节点	v1	-1	-1	-1	-1	-1	-1	-1	-1

第三步：更新从 v1 可到达的节点的距离

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	0	0	0	0	0	0	0	0
距离	0	6	3	1	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf
父亲节点	v1	v1	v1	v1	-1	-1	-1	-1	-1

第四步：取距离最小的节点 v4 作为中转点，更新从 v4 可到达的节点标号（注意比较与原距离的大小）

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	0	0	1	0	0	0	0	0
距离	0	6	3	1	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf
父亲节点	v1	v1	v1	v1	-1	-1	-1	-1	-1

第五步：更新后的结果

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	0	0	1	0	0	0	0	0
距离	0	6	3	1	inf⁡\infinf	11	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf
父亲节点	v1	v1	v1	v1	-1	v4	-1	-1	-1

第六步：再取距离最小的节点 v3 作为中转点，更新从 v3 可到达的节点标号（注意比较与原距离的大小）

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	0	1	1	0	0	0	0	0
距离	0	6	3	1	inf⁡\infinf	11	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf
父亲节点	v1	v1	v1	v1	-1	v4	-1	-1	-1

第七步：更新后的结果（由于3 + 2（v3 到 v2 的距离）= 5 < 6，因此更新 v2 列的距离）

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	0	1	1	0	0	0	0	0
距离	0	5	3	1	inf⁡\infinf	11	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf
父亲节点	v1	v3	v1	v1	-1	v4	-1	-1	-1

第八步：再取距离最小的节点 v2 作为中转点，更新从 v2 可到达的节点标号（注意比较与原距离的大小）

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	1	1	1	0	0	0	0	0
距离	0	5	3	1	6	11	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf
父亲节点	v1	v3	v1	v1	v2	v4	-1	-1	-1

第九步：再取距离最小的节点 v5 作为中转点，更新从 v5 可到达的节点标号（注意比较与原距离的大小）

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	1	1	1	1	0	0	0	0
距离	0	5	3	1	6	11	inf⁡\infinf	inf⁡\infinf	inf⁡\infinf
父亲节点	v1	v3	v1	v1	v2	v4	-1	-1	-1

第十步：更新后的结果

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	1	1	1	1	0	0	0	0
距离	0	5	3	1	6	10	9	12	inf⁡\infinf
父亲节点	v1	v3	v1	v1	v2	v5	v5	v5	-1

第十一步：再取距离最小的节点 v7 作为中转点，更新从 v7 可到达的节点标号（注意比较与原距离的大小）

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	1	1	1	1	0	1	0	0
距离	0	5	3	1	6	10	9	12	inf⁡\infinf
父亲节点	v1	v3	v1	v1	v2	v5	v5	v5	-1

第十二步：再取距离最小的节点 v6 作为中转点，更新从 v6 可到达的节点标号（注意比较与原距离的大小）

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	1	1	1	1	1	1	0	0
距离	0	5	3	1	6	10	9	12	inf⁡\infinf
父亲节点	v1	v3	v1	v1	v2	v5	v5	v5	-1

第十三步：再取距离最小的节点 v8 作为中转点，更新从 v8 可到达的节点标号（注意比较与原距离的大小）

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	1	1	1	1	1	1	1	0
距离	0	5	3	1	6	10	9	12	15
父亲节点	v1	v3	v1	v1	v2	v5	v5	v5	v8

第十四步：最终结果

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9
是否已被访问（0/1）	1	1	1	1	1	1	1	1	1
距离	0	5	3	1	6	10	9	12	15
父亲节点	v1	v3	v1	v1	v2	v5	v5	v5	v8

可以从终点v8倒推：v8⇐v5⇐v2⇐v3⇐v1v_8 \Leftarrow v_5 \Leftarrow v_2 \Leftarrow v_3 \Leftarrow v_1v8⇐v5⇐v2⇐v3⇐v1，这就是最短路径。将路径上的权值相加可以得出，最短路径的长度为：12（可以直接有 v8 那一列的距离得出），结果如图：

若只考虑路径长度，而不考虑具体路径，还可以这样列表：

v1	v2	v3	v4	v5	v6	v7	v8	v9
0	∞\infty∞	∞\infty∞	∞\infty∞	∞\infty∞	∞\infty∞	∞\infty∞	∞\infty∞	∞\infty∞
$	6	3	1	∞\infty∞	∞\infty∞	∞\infty∞	∞\infty∞	∞\infty∞
$	6	3		∞\infty∞	11	∞\infty∞	∞\infty∞	∞\infty∞
$	5			∞\infty∞	11	∞\infty∞	∞\infty∞	∞\infty∞
$				6	11	∞\infty∞	∞\infty∞	∞\infty∞
$					10	9	12	∞\infty∞
$					10	9	12	∞\infty∞
$							12	∞\infty∞
$								15

加粗的数字即为从起点到各节点的最短路径长度。

Dijkstra（迪杰斯特拉）算法的局限
DijkstraDijkstraDijkstra（迪杰斯特拉）算法可以用于解决无向带权图和有向带权图的最短路径问题。但是要求权重全是正数，不能使负数。为了解决带负权重的最短路径问题，我们可以采用 Bellman−FordBellman-FordBellman−Ford（贝尔曼-福特）算法来解决。

五、Bellman-Ford算法

贝尔曼-福特算法实际上处理的是具有负权重的有向图（且该有向图不能含有负权回路，因此函数负权回路的图可以在权重的回路中不断循环，路径长无穷小）

贝尔曼-福特算法简介
更新规则：如果（A与B的距离 + A列表中的距离）< （B列表中的距离），那么我们就将B列表中的距离更新为较小的距离，并将B的父亲节点更新为A。
在 Matlab 中使用贝尔曼-福特算法
在 MatlabMatlabMatlab 中调用命令：[P, d] = shortestpath(G, start, end [, 'Method', algorithm])
输入参数：{G:输入图对象start:起始的节点end:目标的节点[,′Method′,algorithm]:可选参数，表示计算路径所使用的算法。默认为‘auto’输入参数：\left\{ \begin{aligned} &G:\text{输入图对象} \\ &start:\text{起始的节点} \\ &end:\text{目标的节点} \\&[, 'Method', algorithm]:\text{可选参数，表示计算路径所使用的算法。默认为‘auto’} \end{aligned}\right.输入参数：⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧G:输入图对象start:起始的节点end:目标的节点[,′Method′,algorithm]:可选参数，表示计算路径所使用的算法。默认为‘auto’

输出参数：{P:最短路径经过的节点d:最短距离输出参数：\left\{ \begin{aligned} &P:\text{最短路径经过的节点} \\ &d:\text{最短距离} \end{aligned} \right.输出参数：{P:最短路径经过的节点d:最短距离

可选的算法：{auto:自动选择算法unweighted:广度优先计算，将所有便权重视为1positive:Dijkstra算法mixed:Bellman-Ford算法可选的算法：\left\{ \begin{aligned} &auto:\text{自动选择算法} \\ &unweighted:\text{广度优先计算，将所有便权重视为1} \\ &positive:\text{Dijkstra算法} \\ &mixed:\text{Bellman-Ford算法} \end{aligned}\right.可选的算法：⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧auto:自动选择算法unweighted:广度优先计算，将所有便权重视为1positive:Dijkstra算法mixed:Bellman-Ford算法

六、总结

根据图的类型确定算法：
1. 无向带权图、有向带正权图——Dijkstra算法
2. 有向带负权图（不含负权回路）——Bellman-Ford算法
根据具体的算法过程计算或者使用Matlab等工具计算。

如果有什么错误，请一定提出哦~~~