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

  1. 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 ...

  2. 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. ...

  3. 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 ...

  4. 【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   ...

  5. 【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. ...

  6. 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 ...

  7. 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:/ ...

  8. 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 ...

  9. 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

  1. What is URL Encoding and How does it work?

    Introduction A URL (Uniform Resource Locator) is the address of a resource in the world wide web. UR ...

  2. MySQL 中 关于 find_in_set 用法

    在项目中用的是 EF.MySQL,在查询中用到某一个字段的值在某几个中.一开始想到的是 in. 但是,这个字段是 int 类型的,传入的参数需要用“,”分隔.这样传入的就是字符型的. 这样的结果是:本 ...

  3. c++ vector容器基本用法

    基本用法 #include<iostream> #include<string> #include<vector> using namespace std; cla ...

  4. Spring MVC 学习笔记(二)

    6. 视图和视图解析器  ❤  Spring MVC如何解析视图                                  • 请求处理方法执行完成后,最终返回一个ModelAndView对象 ...

  5. P3144 [USACO16OPEN]关闭农场——离线,并查集

    https://www.luogu.org/problem/P3144 每次关闭一个农场,农场之间有边相连,问每次关闭后开着的农场是否是一个连通块: 数据小,离线搞: 我们先记录删的顺序,然后倒着来, ...

  6. Vue实战041:获取当前客户端IP地址详解(内网和外网)

    前言 我们经常会有需求,希望能获取的到当前用户的IP地址,而IP又分为公网ip(也称外网)和私网IP(也称内网IP),IP地址是IP协议提供的一种统一的地址格式,每台设备都设定了一个唯一的IP地址”, ...

  7. linux 的real time 、user time、 sys time

    <APUE>上提到了三个时间Real time, User time和Sys time.这三者是什么关系呢?在使用time(1)命令的时候,为什么real time < user t ...

  8. Spring和Quartz整合实现定时任务调度

    在Spring中可以很方便的使用Quartz来实现定时任务等功能,Quartz主要就是Schedule(任务调度器),Job(作业任务)和Trigger(触发器)三者的关系. 实现方式有多种,在此就介 ...

  9. Hibernate---进度1

    关联映射:http://www.cnblogs.com/huxi/archive/2009/12/15/1624988.html 关联映射,hibernate查询方式:http://www.cnblo ...

  10. Factor_Analysis

    Factor_Analysis(因子分析) Factor Analysis 简书:较好理解的解释,其中公式有一定的推导(仅展现关键步骤,细节大多需要自行补充),基本为结论式. 感性层面理解:首先,明确 ...