“路径 path”的版本间的差异
跳到导航
跳到搜索
| 第13行： | 第13行： | ||
== 定义== | == 定义== | ||
| − | === | + | ===通路 轨迹 路径 Walk, trail, path === |
[[File:Trail_but_not_path.svg|200px|thumb|right |图2：从A到E的轨迹，非路径]] | [[File:Trail_but_not_path.svg|200px|thumb|right |图2：从A到E的轨迹，非路径]] | ||
| − | * ''' | + | * '''通路 Walk'''：是连接一系列[[顶点]]形成的有限或无限的边序列。 |
| − | :以一个图为例 ''G'' = ( ''V'', ''E'', ''ϕ'' ) 。''' | + | :以一个图为例 ''G'' = ( ''V'', ''E'', ''ϕ'' ) 。'''有限通路 finite walk'''是一系列的边 ( ''e''<sub>1</sub>, ''e''<sub>2</sub>, …, ''e''<sub>''n'' − 1</sub> )，其顶点序列( ''v''<sub>1</sub>, ''v''<sub>2</sub>, …, ''v''<sub>''n''</sub> ) 。 ''ϕ'' ( ''e''<sub>''i''</sub> ) = {''v''<sub>''i''</sub>, ''v''<sub>''i'' + 1</sub>}对于''i'' = 1, 2, …, ''n'' − 1。 ( ''v''<sub>1</sub>, ''v''<sub>2</sub>, …, ''v''<sub>''n''</sub> ) 是移动的顶点序列。如果 ''v''<sub>1</sub> = ''v''<sub>''n''</sub> ，则此通路封闭，反之则开放。'''无限通路 infinite walk'''是由一系列边组成的，它们的类型与这里描述的相同，但没有起点或终点，而一个半无限通路(或光线)则有起点但是没有终点。 |
| − | * '''轨迹 trail''' | + | * '''轨迹 trail'''是所有的边缘都清晰可见的通路。 |
* '''路径 path'''是一条所有顶点（包括所有边）都是不同的轨迹。 | * '''路径 path'''是一条所有顶点（包括所有边）都是不同的轨迹。 | ||
| − | 如果 ''w'' = ( ''e''<sub>1</sub>, ''e''<sub>2</sub>, …, ''e''<sub>''n'' − 1</sub> )是有顶点的序列 (''v''<sub>1</sub>, ''v''<sub>2</sub>, …, ''v''<sub>''n''</sub>)，那么''w '' 就是从 ''v''<sub>1</sub> 到 ''v''<sub>''n''</sub> | + | 如果 ''w'' = ( ''e''<sub>1</sub>, ''e''<sub>2</sub>, …, ''e''<sub>''n'' − 1</sub> )是有顶点的序列 (''v''<sub>1</sub>, ''v''<sub>2</sub>, …, ''v''<sub>''n''</sub>)，那么''w '' 就是从 ''v''<sub>1</sub> 到 ''v''<sub>''n''</sub>的有限通路。同样，对于一条轨迹或者一条路径也是如此。如果两个不同的顶点之间有一个有限通路，那么在它们之间也有一条有限的轨迹和一条有限的路径。 |
| 第32行： | 第32行： | ||
| − | 一个'''加权图 weighted graph''' | + | 一个'''加权图 weighted graph'''将一个值（权重）与图中的每条边相关联。一个加权图中的通路（或轨迹或路径）的权是所有边的权之和。有时，“成本 cost”或“长度 length”这两个词可以用来指代“权重”这一概念。 |
<br> | <br> | ||
| − | === | + | === 有向的通路，轨迹，路径 Directed walk, trail, path=== |
| − | * ''' | + | * '''有向通路 directed walk'''是指由连接一系列顶点的边沿相同方向定向形成的有限或无限序列。 |
| − | :以一个有向图 ''G'' = ( ''V'', ''E'', ''ϕ'' ) | + | :以一个有向图 ''G'' = ( ''V'', ''E'', ''ϕ'' ) 为例。有限有向通路由一系列的边组成 ( ''e''<sub>1</sub>, ''e''<sub>2</sub>, …, ''e''<sub>''n'' − 1</sub> )，而对于这些边，又存在一系列的顶点 ( ''v''<sub>1</sub>, ''v''<sub>2</sub>, …, ''v''<sub>''n''</sub> )。 ''ϕ'' ( ''e''<sub>''i''</sub> ) = ( ''v''<sub>''i''</sub>, ''v''<sub>''i'' + 1</sub> )对于 ''i'' = 1, 2, …, ''n'' − 1 。( ''v''<sub>1</sub>, ''v''<sub>2</sub>, …, ''v''<sub>''n''</sub> )是有向通路的顶点序列。无限有向通路是一个边序列，其类型与本文描述的相同，但起点或终点，而半无限有向通路（或射线）有起点，但没有终点。 |
* '''有向轨迹 directed trail'''是指所有边都可见的轨迹。 | * '''有向轨迹 directed trail'''是指所有边都可见的轨迹。 | ||
| 第48行： | 第48行： | ||
| − | + | 假设一个通路 ''w'' = ( ''e''<sub>1</sub>, ''e''<sub>2</sub>, …, ''e''<sub>''n'' − 1</sub> )是顶点序列有限的( ''v''<sub>1</sub>, ''v''<sub>2</sub>, …, ''v''<sub>''n''</sub> )有向通路，那么''w''就是从 ''v''<sub>1</sub> ''到 ''v''<sub>''n''</sub>的通路。同样，对于有向轨迹或路径也是如此。如果在两个不同的顶点之间存在有限有向通路，那么在它们之间也存在有限有向轨迹和有限有向路径。 | |
| 第54行： | 第54行： | ||
| − | + | 一个加权有向图将一个值（权重）与有向图中的每条边相关联。加权有向图中有向通路（或路径）的权是有向边权重的和。有时，“成本 cost”或“长度 length”这两个词可以用来指代“权重”这一概念。 | |
<br> | <br> | ||
| 第94行： | 第94行： | ||
* [[Bellman–Ford算法 Bellman–Ford algorithm]] | * [[Bellman–Ford算法 Bellman–Ford algorithm]] | ||
* [[Floyd–Warshall算法 Floyd–Warshall algorithm]] | * [[Floyd–Warshall算法 Floyd–Warshall algorithm]] | ||
| − | * [[ | + | * [[自我避免的通路 Self-avoiding walk]] |
* [[最短路径图Shortest-path graph]] | * [[最短路径图Shortest-path graph]] | ||
| 第115行： | 第115行： | ||
==编者推荐== | ==编者推荐== | ||
| − | |||
| − | |||
| − | ====[https://campus.swarma.org/course/ | + | === 课程推荐 === |
| − | + | ||
| + | [[File:巴拉巴西网络科学.jpeg|360px|缩略图|[https://campus.swarma.org/course/1754 巴拉巴西网络科学（课程）]]] | ||
| + | |||
| + | |||
| + | ====[https://campus.swarma.org/course/1754 巴拉巴西网络科学（课程）]==== | ||
| + | 本课程中，有幸邀请了汪小帆、赵海兴、许小可、史定华、陈清华、张江、狄增如、陈关荣、樊瑛、刘宗华这十个来自六大不同高校、在网络科学领域耕耘许久的教授作为导师，依据教材框架，各有侧重地为我们共同勾勒出整个学科的美丽图景，展示这个学科的迷人魅力，指引这个学科的灿烂未来。 | ||
| + | |||
| + | ====[https://campus.swarma.org/course/2328 网络科学导论 | 网络科学集智课堂第二期）]==== | ||
| + | 本课程中，有幸邀请了陈关荣、史定华、樊瑛等这十个来自不同高校、在网络科学领域耕耘许久的教授作为导师，围绕网络动力学这一前沿的方向，帮助大家构建网络科学学习体系。 | ||
| + | |||
2021年3月7日 (日) 17:45的版本
在图论 Graph theory中，图中的路径 path是一个有限或无限的边序列，这些边连接着一系列顶点，这些顶点在大多数定义中都是不同的(又因为这些顶点是不同的，所以图中的边也是不同的)。有向图中的有向路径 directed path（有时也称为dipath[1]），是一个有限或无限的边序列，它连接一系列不同的顶点，并具有附加一个条件：序列中所有的边都方向都相同。
路径是图论的基本概念，在大多数图论文本的导论部分都有描述，见Bondy and Murty（1976） ， Gibbons（1985），或Diestel（2005）。 Korte（1990）等人著作中，涵盖了更多关于图中路径的高级算法的话题。
定义
通路 轨迹 路径 Walk, trail, path
- 通路 Walk：是连接一系列顶点形成的有限或无限的边序列。
- 以一个图为例 G = ( V, E, ϕ ) 。有限通路 finite walk是一系列的边 ( e1, e2, …, en − 1 )，其顶点序列( v1, v2, …, vn ) 。 ϕ ( ei ) = {vi, vi + 1}对于i = 1, 2, …, n − 1。 ( v1, v2, …, vn ) 是移动的顶点序列。如果 v1 = vn ，则此通路封闭，反之则开放。无限通路 infinite walk是由一系列边组成的，它们的类型与这里描述的相同，但没有起点或终点，而一个半无限通路(或光线)则有起点但是没有终点。
- 轨迹 trail是所有的边缘都清晰可见的通路。
- 路径 path是一条所有顶点（包括所有边）都是不同的轨迹。
如果 w = ( e1, e2, …, en − 1 )是有顶点的序列 (v1, v2, …, vn)，那么w 就是从 v1 到 vn的有限通路。同样，对于一条轨迹或者一条路径也是如此。如果两个不同的顶点之间有一个有限通路，那么在它们之间也有一条有限的轨迹和一条有限的路径。
有些学者对路径的定义中并不要求它的所有顶点都是不同的，而是使用术语“简单路径”来指代这样的路径。
一个加权图 weighted graph将一个值（权重）与图中的每条边相关联。一个加权图中的通路（或轨迹或路径）的权是所有边的权之和。有时，“成本 cost”或“长度 length”这两个词可以用来指代“权重”这一概念。
有向的通路，轨迹，路径 Directed walk, trail, path
- 有向通路 directed walk是指由连接一系列顶点的边沿相同方向定向形成的有限或无限序列。
- 以一个有向图 G = ( V, E, ϕ ) 为例。有限有向通路由一系列的边组成 ( e1, e2, …, en − 1 )，而对于这些边，又存在一系列的顶点 ( v1, v2, …, vn )。 ϕ ( ei ) = ( vi, vi + 1 )对于 i = 1, 2, …, n − 1 。( v1, v2, …, vn )是有向通路的顶点序列。无限有向通路是一个边序列，其类型与本文描述的相同，但起点或终点，而半无限有向通路（或射线）有起点，但没有终点。
- 有向轨迹 directed trail是指所有边都可见的轨迹。
- 有向路径 directed path是指所有顶点都不同的有向路径。
假设一个通路 w = ( e1, e2, …, en − 1 )是顶点序列有限的( v1, v2, …, vn )有向通路，那么w就是从 v1 到 vn的通路。同样，对于有向轨迹或路径也是如此。如果在两个不同的顶点之间存在有限有向通路，那么在它们之间也存在有限有向轨迹和有限有向路径。
有些学者并不要求有向路径的所有顶点都是不同的，因此他们用“简单有向路径 simple directed path”这个术语来表示它。
一个加权有向图将一个值（权重）与有向图中的每条边相关联。加权有向图中有向通路（或路径）的权是有向边权重的和。有时，“成本 cost”或“长度 length”这两个词可以用来指代“权重”这一概念。
例子
- 如果路径包含每一对顶点，那么图就是连通的。
- 如果一个有向图中存在包含每对顶点的相对有向路径，那么这就是强连接有向图 Strongly-connected digraph。
- 没有边连接两个不连续的路径顶点的路径称为诱导路径 induced path。
- 包含图的每个顶点的路径称为哈密顿路径 Hamiltonian Path。
- 如果两条路径没有任何共同的内部顶点，那么它们与顶点无关（换言之，内部顶点不相交）。类似地，如果两条路径没有任何共同的内边，那么它们是边独立的（或边不相交）。两条内部顶点不相交的路径的边也不相交，但反之未必正确的。
- 图中两个顶点之间，如果最短路径存在，那么它们的的距离是最短路径的长度，否则该距离是无穷大。
- 连接图的直径是图的顶点对之间的最大距离（如上定义）。
路径寻找
求解图的最短和最长路径有多种算法，但是前者的计算比后者简单得多。
Dijkstra 算法产生了一个从源顶点到无向或有向图中每个顶点的最短路径列表，而Bellman-Ford 算法 可以应用于具有负边权重的有向图。利用 Floyd-Warshall 算法可以求出加权有向图中所有顶点对之间的最短路径。
参见
- 图论词汇 Glossary of graph theory
- 路径图 Path graph
- 多边形链 Polygonal chain
- 最短路径问题 Shortest path problem
- 最长路径问题 Longest path problem
- Dijkstra算法 Dijkstra's algorithm
- Bellman–Ford算法 Bellman–Ford algorithm
- Floyd–Warshall算法 Floyd–Warshall algorithm
- 自我避免的通路 Self-avoiding walk
- 最短路径图Shortest-path graph
参考文献
其他链接
- Bender, Edward A.; Williamson, S. Gill (2010). Lists, Decisions and Graphs. With an Introduction to Probability. https://books.google.fr/books?id=vaXv_yhefG8C.
- Bondy, J. A.; Murty, U. S. R. (1976). Graph Theory with Applications. North Holland. p. 12-21. ISBN 0-444-19451-7. https://archive.org/details/graphtheorywitha0000bond/page/12.
- Diestel, Reinhard (2005). Graph Theory. Springer-Verlag. p. 6-9. ISBN 3-540-26182-6. http://www.math.uni-hamburg.de/home/diestel/books/graph.theory/.
- Gibbons, A. (1985). Algorithmic Graph Theory. Cambridge University Press. p. 5-6.
- Korte, Bernhard; Lovász, László; Prömel, Hans Jürgen; Schrijver, Alexander (1990). Paths, Flows, and VLSI-Layout. Springer-Verlag. https://archive.org/details/pathsflowsvlsila0000unse.
编者推荐
课程推荐
巴拉巴西网络科学（课程）
本课程中，有幸邀请了汪小帆、赵海兴、许小可、史定华、陈清华、张江、狄增如、陈关荣、樊瑛、刘宗华这十个来自六大不同高校、在网络科学领域耕耘许久的教授作为导师，依据教材框架，各有侧重地为我们共同勾勒出整个学科的美丽图景，展示这个学科的迷人魅力，指引这个学科的灿烂未来。
网络科学导论 | 网络科学集智课堂第二期）
本课程中，有幸邀请了陈关荣、史定华、樊瑛等这十个来自不同高校、在网络科学领域耕耘许久的教授作为导师，围绕网络动力学这一前沿的方向，帮助大家构建网络科学学习体系。
注意力模型学习求解路径问题
本课程来自集智第 38 期图网络论文解读活动。本文提出一种基于注意力机制的网络模型并通过REINFORCE算法训练网络来解决关于路径的组合优化问题，对于100个节点以内的旅行商问题来说取得了接近最优解的结果，该模型还能扩展到VRP（车辆路径问题）等问题。
本中文词条由Ryan翻译，CecileLi审校，薄荷编辑，欢迎在讨论页面留言。
本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。