бмо графы0.1

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import networkx as nx
from scipy.spatial import distance
from scipy.spatial import distance_matrix
import itertools
vertex_k = 0.5 # Замените на ваше значение для коэффициента аппроксимации вершин
edge_k =0.5  # Замените на ваше значение для коэффициента растяжения ребер
wedge_k = 10 # Замените на ваше значение для коэффициента изгиба клиньев
np.random.seed(8)
vectors = [np.random.randint(-6, 7, 3) for _ in range(100)]

# Выбираем три случайные точки (вектора)
indices = np.random.choice(len(vectors),5, replace=False)
selected_vectors = [vectors[i] for i in indices]
print(indices)
# Вычисляем матрицу расстояний между всеми векторами
distances = distance_matrix(selected_vectors, selected_vectors)

# Заменяем диагональные элементы на бесконечность
np.fill_diagonal(distances, np.inf)

# Создаем граф
G = nx.Graph()

#Добавляем вершины в граф
for i in range(len(selected_vectors)):
    G.add_node(i)

# Выводим координаты всех вершин графа
for node in G.nodes:
    print(f"Вершина {node+1}: {selected_vectors[node]}")

# Добавляем ребра в граф, соединяя каждую вершину с ее ближайшей вершиной
for i in range(len(selected_vectors)-1):
    # Находим ближайшую вершину к текущей вершине
    nearest_vertex = np.argmin(distances[i])
    print(i,nearest_vertex)
    # Добавляем ребро между текущей вершиной и ее ближайшей вершиной
    G.add_edge(i, nearest_vertex)


# Расчет энергии вершины
def calculate_vertex_energy(vertex, vectors, k):
    energy = 0
    for vector in vectors:
        energy += np.linalg.norm(vertex - vector)**2
    return k * energy

# Расчет энергии ребра
def calculate_edge_energy(edge, vectors, k):
    v1, v2 = vectors[edge[0]], vectors[edge[1]]
    return k * np.linalg.norm(v1 - v2)**2

# Расчет энергии клина
def calculate_wedge_energy(wedge, vectors, k):
    v1, v2, v3 = vectors[wedge[0]], vectors[wedge[1]], vectors[wedge[2]]
    return k * np.linalg.norm(v1 + v3 - 2*v2)**2

# Расчет энергии графа
def calculate_energy(graph, vectors):
    #vertex_k = 0.5 # Замените на ваше значение для коэффициента аппроксимации вершин
    #edge_k = 0.5 # Замените на ваше значение для коэффициента растяжения ребер
    #wedge_k = 0.5 # Замените на ваше значение для коэффициента изгиба клиньев

    energy = 0
    for node in graph.nodes:
        energy += calculate_vertex_energy(vectors[int(node)], vectors, vertex_k)
    for edge in graph.edges:
        energy += calculate_edge_energy(edge, vectors, edge_k)

    # Добавляем энергию клина для всех подграфов из трех вершин
    for nodes in itertools.combinations(graph.nodes, 3):
        if graph.has_edge(nodes[0], nodes[1]) and graph.has_edge(nodes[0], nodes[2]) and not graph.has_edge(nodes[1], nodes[2]):
            p1 = calculate_wedge_energy(nodes, vectors, wedge_k)
            print("Энергия клина:")
            print(p1)
            energy += p1
        elif graph.has_edge(nodes[0], nodes[1]) and not graph.has_edge(nodes[0], nodes[2]) and graph.has_edge(nodes[1], nodes[2]):
            p1 = calculate_wedge_energy(nodes, vectors, wedge_k)
            print("Энергия клина:")
            print(p1)
            energy += p1
        elif graph.has_edge(nodes[0], nodes[2]) and not graph.has_edge(nodes[0], nodes[1])  and graph.has_edge(nodes[1], nodes[2]):
            p1 = calculate_wedge_energy(nodes, vectors, wedge_k)
            print("Энергия клина:")
            print(p1)
            energy += p1


    return energy

energy = calculate_energy(G, selected_vectors)
print(f'Энергия графа: {energy}')


# Визуализация проекции графа и векторов
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# Отображаем все векторы на графике
for vector in vectors:
    ax.scatter(vector[0], vector[1], vector[2], color='b')

# Отображаем выбранные векторы на графике
for vector in selected_vectors:
    ax.scatter(vector[0], vector[1], vector[2], color='r')

# Добавляем ребра между вершинами
for edge in G.edges:
    ax.plot([selected_vectors[edge[0]][0], selected_vectors[edge[1]][0]],
            [selected_vectors[edge[0]][1], selected_vectors[edge[1]][1]],
            [selected_vectors[edge[0]][2], selected_vectors[edge[1]][2]], 'r-')
for edges in G.edges:
    print(edges)

# Добавляем оси
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.show()