matlab学习——04图与网络(最短路,最小生成树,最大流)
04图与网络
1.最短路
(1) 自己写的dijstra算法
format compact;
clc,clear all
a=zeros(6);
a(1,2)=50;a(1,4)=40;a(1,5)=25;a(1,6)=10;
a(2,3)=15;a(2,4)=20;a(2,6)=25;
a(3,4)=10;a(3,5)=20;
a(4,5)=10;a(4,6)=25;
a(5,6)=55;
a=a+a'
a(find(a==0))=inf %将a=0的数全部替换为无强大
pb(1:length(a))=0;pb(1)=1; %当一个点已经求出到原点的最短距离时,其下标i对应的pb(i)赋1
index1=1; %存放存入S集合的顺序
index2=ones(1,length(a)); %存放始点到第i点最短通路中第i顶点前一顶点的序号
d(1:length(a))=inf;d(1)=0; %存放由始点到第i点最短通路的值
temp=1; %temp表示c1,算c1到其它点的最短路。
while sum(pb)<length(a) %看是否所有的点都标记为P标号
tb=find(pb==0); %找到标号为0的所有点,即找到还没有存入S的点
d(tb)=min(d(tb),d(temp)+a(temp,tb));%计算标号为0的点的最短路,或者是从原点直接到这个点,又或者是原点经过r1,间接到达这个点
tmpb=find(d(tb)==min(d(tb))); %求d[tb]序列最小值的下标
temp=tb(tmpb(1));%可能有多条路径同时到达最小值,却其中一个,temp也从原点变为下一个点
pb(temp)=1;%找到最小路径的表对应的pb(i)=1
index1=[index1,temp]; %存放存入S集合的顺序
temp2=find(d(index1)==d(temp)-a(temp,index1));
index2(temp)=index1(temp2(1)); %记录标号索引
end
d, index1, index2
a =
0 50 0 40 25 10
50 0 15 20 0 25
0 15 0 10 20 0
40 20 10 0 10 25
25 0 20 10 0 55
10 25 0 25 55 0
a =
Inf 50 Inf 40 25 10
50 Inf 15 20 Inf 25
Inf 15 Inf 10 20 Inf
40 20 10 Inf 10 25
25 Inf 20 10 Inf 55
10 25 Inf 25 55 Inf
d =
0 35 45 35 25 10
index1 =
1 6 5 2 4 3
index2 =
1 6 5 6 1 1
(2) 输入邻接矩阵带包
format compact;
% 输入邻接矩阵
clc,clear
a=zeros(7);
a(1,2)=4;a(1,3)=2;
a(2,3)=3;a(2,4)=4;a(2,5)=6;
a(3,4)=5;a(3,6)=4;
a(4,5)=2;a(4,6)=7;
a(5,6)=4;a(5,7)=8;
a(6,7)=3;
b=sparse(a); % 构造稀疏矩阵
[x,y,z]=graphshortestpath(b,1,7,'Directed',1,'Method','Bellman-Ford')
% 有向图,Directed为1为真,方法(Method)默认为Dijstra
p=biograph(b,[],'showW','on');
h=view(p);%显示各个路径权值 % 求节点1到节点5的最短路径
[Dist,Path]=graphshortestpath(b,1,7) % 将最短路径的结点以红色显示
set(h.Nodes(Path),'Color',[1 0.4 0.4]);
% 将最短路径的弧以红色显示
edges=getedgesbynodeid(h,get(h.Nodes(Path),'ID'));
set(edges,'LineColor',[1 0 0]);
(3) 输入节点和权重带包
format compact;
% 输入起点终点和边长
tic
R = [1,1,1,2,2,3,4]; % 起点节点
C = [2,3,4,3,5,4,5]; % 终点节点
W = [3,2,2,1,3,4,3]; % 对应权值
g = digraph(R,C,W) % 创建图
G1=sparse(R,C,W)
[path,distance] = shortestpath(g,1,5); % 计算最短路
plot(g)
toc
format compact;
s = [1 1 2 2 3 4]; % 起始节点向量
e = [2 3 4 5 5 5]; % 终止节点向量
w = [1 4 2 3 2 2]; % 权向量
g = sparse(s,e,w); % 构建稀疏矩阵
g(5,5)=0; % 使稀疏矩阵其余元素为0 p=biograph(g,[],'ShowWeights','on');%建立有向图对象P
h=view(p);%显示各个路径权值 % 求节点1到节点5的最短路径
[Dist,Path]=graphshortestpath(g,1,5,'Method','Dijkstra') % 将最短路径的结点以红色显示
set(h.Nodes(Path),'Color',[1 0.4 0.4]);
% 将最短路径的弧以红色显示
edges=getedgesbynodeid(h,get(h.Nodes(Path),'ID'));
set(edges,'LineColor',[1 0 0]);
>> RCW01
Dist =
4
Path =
1 2 5
2.最小生成树
format compact;
clc,clear
x=[0 5 16 20 33 23 35 25 10];
y=[15 20 24 20 25 11 7 0 3];
xy=[x;y] % xy 2行9列
d=mandist(xy) % 求xy的两两列向量间的绝对值距离(9个点两两的距离)
d=tril(d) % 截取matlab工具箱要求的下三角矩阵
G=sparse(d) % 转化为稀疏矩阵
[ST,pred]=graphminspantree(G,'method','Kruskal') % 调用最小生成树命令
st=full(ST) % 把最小生成树的稀疏矩阵转化为普通矩阵
TreeLength=sum(sum(st)) % 求最小生成树的长度
view(biograph(ST,[],'ShowArrows','off','ShowWeights','on')) % 画出最小生成树
xy =
0 5 16 20 33 23 35 25 10
15 20 24 20 25 11 7 0 3
d =
0 10 25 25 43 27 43 40 22
10 0 15 15 33 27 43 40 22
25 15 0 8 18 20 36 33 27
25 15 8 0 18 12 28 25 27
43 33 18 18 0 24 20 33 45
27 27 20 12 24 0 16 13 21
43 43 36 28 20 16 0 17 29
40 40 33 25 33 13 17 0 18
22 22 27 27 45 21 29 18 0
d =
0 0 0 0 0 0 0 0 0
10 0 0 0 0 0 0 0 0
25 15 0 0 0 0 0 0 0
25 15 8 0 0 0 0 0 0
43 33 18 18 0 0 0 0 0
27 27 20 12 24 0 0 0 0
43 43 36 28 20 16 0 0 0
40 40 33 25 33 13 17 0 0
22 22 27 27 45 21 29 18 0
G =
(2,1) 10
(3,1) 25
(4,1) 25
(5,1) 43
(6,1) 27
(7,1) 43
(8,1) 40
(9,1) 22
(3,2) 15
(4,2) 15
(5,2) 33
(6,2) 27
(7,2) 43
(8,2) 40
(9,2) 22
(4,3) 8
(5,3) 18
(6,3) 20
(7,3) 36
(8,3) 33
(9,3) 27
(5,4) 18
(6,4) 12
(7,4) 28
(8,4) 25
(9,4) 27
(6,5) 24
(7,5) 20
(8,5) 33
(9,5) 45
(7,6) 16
(8,6) 13
(9,6) 21
(8,7) 17
(9,7) 29
(9,8) 18
ST =
(2,1) 10
(4,2) 15
(4,3) 8
(5,4) 18
(6,4) 12
(7,6) 16
(8,6) 13
(9,8) 18
pred =
0 1 4 2 4 4 6 6 8
st =
0 0 0 0 0 0 0 0 0
10 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 15 8 0 0 0 0 0 0
0 0 0 18 0 0 0 0 0
0 0 0 12 0 0 0 0 0
0 0 0 0 0 16 0 0 0
0 0 0 0 0 13 0 0 0
0 0 0 0 0 0 0 18 0
TreeLength =
110
3.最大流
format compact;
% 最大流
% 只能解决权重都为正值,且两个顶点之间不能有两条弧的问题
% 本来a(3,4)=5,a(4,3)=2,增加虚拟节点9,删去a(4,3)=2,改为a(4,9)=2;a(9,3)=2; clc,clear,a=zeros(9);
a(1,2)=6;a(1,3)=4;a(1,4)=5;
a(2,3)=3;a(2,5)=9;a(2,6)=9;
a(3,4)=5;a(3,5)=6;a(3,6)=7;a(3,7)=3;
a(4,7)=5;a(4,9)=2;
a(5,8)=12;
a(6,5);a(6,8)=10;
a(7,6)=4;a(7,8)=15;
a(9,3)=2;
G=sparse(a);
view(biograph(G,[],'ShowWeights','on')); % 建立有向图对象
[x,y,z]=graphmaxflow(G,1,8) % 最大流量为x=15
matlab学习——04图与网络(最短路,最小生成树,最大流)的更多相关文章
- Paddle Graph Learning (PGL)图学习之图游走类模型[系列四]
Paddle Graph Learning (PGL)图学习之图游走类模型[系列四] 更多详情参考:Paddle Graph Learning 图学习之图游走类模型[系列四] https://aist ...
- 建模算法(五)——图与网络
(一)图与网络的基本概念 一.无向图 含有的元素为顶点,弧和权重,但是没有方向 二.有向图 含有的元素为顶点,弧和权重,弧具有方向. 三.有限图.无限图 顶点和边有限就是有限图,否则就是无限图. 四. ...
- NASNet学习笔记—— 核心一:延续NAS论文的核心机制使得能够自动产生网络结构; 核心二:采用resnet和Inception重复使用block结构思想; 核心三:利用迁移学习将生成的网络迁移到大数据集上提出一个new search space。
from:https://blog.csdn.net/xjz18298268521/article/details/79079008 NASNet总结 论文:<Learning Transfer ...
- 【GCN】图卷积网络初探——基于图(Graph)的傅里叶变换和卷积
[GCN]图卷积网络初探——基于图(Graph)的傅里叶变换和卷积 2018年11月29日 11:50:38 夏至夏至520 阅读数 5980更多 分类专栏: # MachineLearning ...
- 【学习笔记】Iperf3网络性能测试工具
[学习笔记]Iperf3网络性能测试工具 网络性能评估主要是监测网络带宽的使用率,将网络带宽利用最大化是保证网络性能的基础,但是由于网络设计不合理.网络存在安全漏洞等原因,都会导致网络带宽利用率不高. ...
- 最全面的图卷积网络GCN的理解和详细推导,都在这里了!
目录 目录 1. 为什么会出现图卷积神经网络? 2. 图卷积网络的两种理解方式 2.1 vertex domain(spatial domain):顶点域(空间域) 2.2 spectral doma ...
- 深度学习——手动实现残差网络ResNet 辛普森一家人物识别
深度学习--手动实现残差网络 辛普森一家人物识别 目标 通过深度学习,训练模型识别辛普森一家人动画中的14个角色 最终实现92%-94%的识别准确率. 数据 ResNet介绍 论文地址 https:/ ...
- Python学习--04条件控制与循环结构
Python学习--04条件控制与循环结构 条件控制 在Python程序中,用if语句实现条件控制. 语法格式: if <条件判断1>: <执行1> elif <条件判断 ...
- Matlab 语谱图(时频图)绘制与分析
Matlab 语谱图(时频图)绘制与分析 语谱图:先将语音信号作傅里叶变换,然后以横轴为时间,纵轴为频率,用颜色表示幅值即可绘制出语谱图.在一幅图中表示信号的频率.幅度随时间的变化,故也称" ...
随机推荐
- LINUX 新手 入门 教程
新手入门教程 点评: linux 入门 作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声
- KaTex语法说明
参考链接: https://katex.org/docs/supported.html https://github.com/KaTeX/KaTeX/blob/master/docs/supporte ...
- UML之关系
学习UML我们首先要掌握他们的关系,UML关系可以分为四类,主要有关联.依赖.泛化和实现. 下面我们就一一来详细说明这几种关系. 关联 表示两个类或类与接口之间强烈的依赖关系,关联用直线表示.当然我们 ...
- Destoon二开必看执行流程
<?php 代码首先包含common.inc.php文件 在common.inc.php文件中,首先定义常量. define('IN_DESTOON', true); define('IN_AD ...
- ES6中构造函数内super关键字的使用
super关键字用于访问和调用一个对象的父对象上的函数. super.prop和super[expr]表达式在类和对象字面量任何方法定义中都是有效的. 语法 super([arguments]); / ...
- Oracle之约束
数据的完整性用于确保数据库数据遵从一定的商业的逻辑规则.在oracle中,数据完整性可以使用约束.触发器.应用程序(过程.函数)三种方法来实现,在这三种方法中,因为约束易于维护,并且具有最好的性能,所 ...
- jQuery相关方法5----表单相关
一.value属性在表单的相关操作-----val()方法 <script src="http://libs.baidu.com/jquery/1.10.2/jquery.min.js ...
- P1833 樱花
题目背景 <爱与愁的故事第四弹·plant>第一章. 题目描述 爱与愁大神后院里种了n棵樱花树,每棵都有美学值Ci.爱与愁大神在每天上学前都会来赏花.爱与愁大神可是生物学霸,他懂得如何欣赏 ...
- python3 pyinstaller 图标改变不了的问题
命令 pyinstaller -F ./test.py --noconsole --icon=test.ico 在使用后可能发现新生成的图标仍然为默认图标,有以下解决方案: 将生成的exe文件复制到另 ...
- javascript 闭包(closure)
<script type="text/javascript"> //闭包(closure):内层函数可以引用存在于包围它的函数内的变量,即使外层函数的执行已经结束 ...