3、图论中的有向图、加权图、二分图及基本定义剖析

图论中的有向图、加权图、二分图及基本定义剖析

1. 有向图、加权图和二分图的概念

在图论中,我们常常会遇到不同类型的图,以适应各种实际场景的描述需求。
- 有向图
- 概念引入 :在某些情况下,连接两个节点的顺序至关重要。例如,机场航站楼之间的穿梭巴士运行情况。一个大型机场有六个航站楼A、B、C、D、E和F,穿梭巴士按A → B → C → D → E → F → A的循环路径运行,同时A和D作为主要航站楼,还有直接往返的穿梭巴士。在这种情况下,若用普通图来表示该系统,会丢失重要信息。因此,我们引入有向图的概念。
- 定义 :有向图G ≡ (N, L)由两个非空集合N和L组成。N中的元素{n1, n2, …, nN}是图G的节点,L中的元素{l1, l2, …, lK}是N中不同元素的有序对,称为有向链接或弧。例如,节点i和节点j之间的弧用有序对(i, j)表示,称该链接进入节点j且从节点i发出。这里要注意,与无向图不同,节点的顺序很重要,(i, j)和(j, i)表示不同的弧。
- 实例 :以Elisa幼儿园孩子之间的友谊网络为例,通过采访孩子确定友谊关系,这种关系往往是有方向的,即孩子A可能将B视为朋友,但B不一定认为A是自己的朋友。该网络是一个有向图,有16个节点和57条弧。通过计算图的互惠性r(即网络中双向弧的数量与总弧数的比率),可以量化这种关系的相互性。在这个例子中,r = 34 / 57 ≈ 0.6,意味着只有60%的关系是相互的。
- 加权图
- <

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值