Formation doctorale MITI

Laboratoire de Traitement de lInformation

Journe dexposs des travaux de recherche
 UNIVERSIT HASSAN II DE CASABLANCA
FACULT DES SCIENCES BEN MSIK

Titre de la Thse :
Etude et Application des thories des graphes
neutrosophiques aux rseaux informatiques
(cas routage)
NOM Prnom du doctorant : Broumi Said
Nom Prnom de lEncadrant : Talea Mohamed
Co-encadrants:Bakali Assia, Florentin
Smarandache
Anne dInscription : 2015-2016.
 Rsum : Cette thse se situe dans le domaine de soft computing . Elle a
pour objet de dvelopper une nouvelle version de la thorie des graphes base
sur les ensembles neutrosophiques (EN). Cette thorie se nomme thorie des
graphes neutrosophiques, en anglais neutrosophic graphs, palliant certaines
lacunes des mthodes existantes. La nouvelle thorie est totalement diffrente de
celle dfinie par Smarandache et Vandasamy dans leur ouvrage. Les arcs et les
sommets sont affects par une valeur neutrosophique (T, I, F). La thorie des
graphes neutrosophiques est une gnralisation de la thorie des graphes flous et
flous intuitionnistes. Puis, nous dcrirons diffrents types de graphes
neutrosophiques et caractristiques associes en insistant sur les graphes
orients et non orients. Enfin, nous proposons quelques algorithmes qui
permettent de calculer des plus courts chemins entre toutes les paires de
sommets dans un rseau modliser par un graphe neutrosphique dont les poids
ont des valeurs neutrosophiques.
Mots Cls : Ensembles neutrosophiques, graphes
neutrosphiques, graphes neutrosophique de type
intervalle, graphes neutrosophique bipolaire, le problme
du chemin le plus court.
Objectifs
-Comment peut on appliquer la thorie des ensembles
neutrosophique la thorie des graphes?
-Dvelopper des algorithmes qui permettent de calculer le plus
court chemin dans un rseau modlis par un graphe
neutrosophique.
-Dvelopper un package sous Matlab pour manipuler les matrices
neutrosophiques associes aux graphes neutrosophiques

4
 Un graphe est un ensemble de points, sommets ou nuds,
dont certaines paires sont relies par des liaisons, arrtes ou
arcs, selon le type de graphe orient ou non orient. Les
graphes sont des objets mathmatiques formels pour lesquels
de nombreuses proprits ont t caractrises Ainsi,
plusieurs gnralisations de la thorie des graphes ont t
proposes dans la littrature et qui permettent de modliser
une grande varit de problmes en se ramenant ltude
de sommets et darcs.

5
LOGIQUES:

La logique classique binaire manipule seulement les valeurs 0 et 1.

Logique La loqigue classique binaire est base sur les ensemble classique.
classique

Lide de base de la logique floue est de dfinir la valeur de verit (T) dune affirmation
par un nombre qui varie entre 0 et 1 progressivement, contrairement la logique
classique binaire qui manipule seulement les valeurs 0 et 1.
Logique La thorie des sous ensemble floues utilises par la LF est diffrent la thorie classique
floue et binaire des ensembles

Logique Lide de base de la logique floue intuitioniste est de caractriser chaque affirmation logique dans un
floue espace en 2D, o chaque dimension de lespace reprsente, respectivement, la vrit (T) et le faux (F)
intuitionist de laffirmation en considration, o T, F sont les sous-ensembles rels.
e

Lide principale de lNL est de caractriser chaque affirmation logique dans un espace
Neutrosophique en 3D, o chaque dimension de lespace reprsente, respectivement, la vrit (T), le
Logique faux (F) et lindtermination (I) de laffirmation en considration, o T, I, F sont les sous-ensembles
neutrosophiq rels standards ou non-standards de ]-0, 1+[. T, I, F sont des composants indpendants
ue

6
LOGIQUES:
Ensemble de principes mathmatiques pour la reprsentation et la
manipulation des connaissances en se basant sur des degrs
dappartenance T(x) compris dans [0,1]
Logique Cette logique est fonde sur la thorie des ensembles flous invente par Lotfi
floue Zadeh (1965).

Ensemble de principes mathmatiques pour la reprsentation et la

manipulation des connaissances en se basant sur des degrs
dappartenance T(x) et de non-appartenance F(x) compris dans [0,1]
Logique floue Cette logique est fonde sur la thorie des ensembles flous
Intuitioniste intuitioniste invente par K.Atanassov (1986).

Ensemble de principes mathmatiques pour la reprsentation et la manipulation

des connaissances en se basant sur des degrs dappartenance T(x) ,
dindtermination I(x) , et de non- appartenance F(x) compris dans [0,1]
Logique Cette logique est fonde sur la thorie des ensembles neutrosophiques
neutrosophic invente par F.Smarandache (1998).
7
LE CONCEPT DE SOUS- ENSEMBLE FLOU A T INTRODUIT PAR L. ZADEH [**] COMME
UNE GNRALISATION DE LA NOTION DE LENSEMBLE CLASSIQUE.

Ensembles flous (EF)

Soit X un ensemble de rfrence, un sous ensemble flou A (EF) de
X est lensemble des tuplet
A { x,TA ( x) : x X }

Avec TA ( x) une des application de X dans [0, 1] c.d TA ( x) 0,1

TA ( x) Reprsente le degr dappartenace de x A

8
Le concept de sous- ensemble flou intuitioniste a t introduit par K. T.Atanassov [* ] comme une
gnralisation de la notion de lensemble flou.

Ensembles Flous Intuitioniste(EFI)

Soit X un ensemble de rfrence, un sous ensemble flou
intuitioniste A (EFI) de X est lensemble des tuplet
A { x,TA ( x), FA ( x) : x X }

Avec TA ( x) et FA ( x) sont des application de X dans [0, 1]

vrifier la condition:
0 TA ( x) FA ( x) 1

TA ( x) Reprsente le degr dappartenace de x A

FA ( x) Reprsente le degr de no-appartenace de x A

9
LE CONCEPT DE SOUS- ENSEMBLE NEUTROSOPHIQUE A T INTRODUIT PAR F. SMARANDACHE[*** ]
COMME UNE GNRALISATION DE LA NOTION DE LENSEMBLE FLOU (EF) ET LENSEMBLE FLOUE
INTUITIONISTE (EFI).

Ensembles Neutrosophique (EN)

Soit X un ensemble de rfrence, un sous ensemble
neutrosophique A (EN) de X est lensemble des tuplet
A { x,TA ( x), I A ( x), FA ( x) : x X }

Avec TA ( x), I A ( x)et FA ( x) sont des application de X dans [0, 1]

vrifier la condition:
0 TA ( x) I A ( x) FA ( x) 3

TA ( x) Reprsente le degr dappartenace de x A

I A ( x) Reprsente le degr dindtermination de x A
FA ( x) Reprsente le degr de no-appartenace de x A

10
LINDTRMINATION(I)

(T, I,F)=(0,1,0)
LETS FLIP THE COIN ON THE SURFACE OF A SEA, THEN THE COIN
FALLS INTO THE SEA AND WE DO NOT KNOWN ANYTHINGS ABOUT IT,
THUS INDTERMINACY =1

12
 Ensemble
neutrosophique
(T, I,F)

Intuitionstic fuzzy
Crisp set Fuzzy sets
set
T={0,1} T 0,1
(T,F)

Relations entre different ensembles

14
LES ENSEMBLES( F- FI-N) SONT DFINIES MATHMATIQUEMENT

Est dfinie par: A {(x, TA (x) | x U}

EF TA : U 0,1

A { x,(TA (x), FA (x) | x U}

TA : U 0,1
EFI FA : U 0,1
0 TA ( x) FA ( x) 1

A { x,(TA (x), I A (x), FA (x) | x U}

TA : U 0,1 0 TA ( x) I A ( x) FA ( x) 3
EN
I A : U 0,1

15
LE COMPLMENTS,UNION, INTERSECTION,
C(T(x) =1-T(x)
Lunion deux ensembles flous A et B: T max(T ,T )
A B A B
Ensemble
flous Lintersection deux ensembles flous A et B: T min(T ,T )
A B A B
(EF)

C(T(x) ,F(x) ) = (F(x) ,T(x) )

Lunion deux ensembles flous A et B: T A B
max(T , T ), FA B A B
min( F , F ) A B

Ensemble flous Lunion deux ensembles flous A et B: TAB min(TA ,TB ),

Intuitionstsite Lintersection deux ensembles flous A et B:
(EFI) FAB max( FA , FB )

T A B
max(T , T ),
C(T(x) ,I(x) ,F(x) )= (1-T(x), 1-I(x),1-F(x) ) A B

C((x) ,(x) ,(x) )= ((x), (x),(x) ) I A B

min( I , I ), A B
Ensemble
neutrosophique Lunion deux ensembles flous A et B: F min( F , F )
A B A B
(EN)

16
 Neutrosophic set

Intuitionstic fuzzy
Crisp set Fuzzy sets
set

Relations entre different ensembles

17
COMPARAISON ENTRE FS,IFS ET NS
 RGLES DINFRENCE (FIS, IFIS,NIS)
Syntaxe identique celle de la logique binaire : SI <condition> ALORS
<consquence>
<condition> est une affirmation simple ou compose.
Fuzzy
Inference Lvaluation des rgles se fait sur les valeurs des T(x) et non sur les valeurs des
System variables de/s.

Syntaxe identique celle de la logique binaire : SI <condition> ALORS

<consquence>
<condition> est une affirmation simple ou compose.
Intuitionstic Lvaluation des rgles se fait sur les valeurs des T(x) ,F(x) et non sur les valeurs
Fuzzy Inference
System des variables de/s.

Syntaxe identique celle de la logique binaire : SI <condition> ALORS

<consquence>
<condition> est une affirmation simple ou compose.
Neutrosophic
Inference Lvaluation des rgles se fait sur les valeurs des T(x) ,I(x) ,F(x) et non sur les
System valeurs des variables de/s.
19
 Un graphe est un ensemble de points, sommets ou nuds,
dont certaines paires sont relies par des liaisons, arrtes ou
arcs, selon le type de graphe orient ou non orient. Les
graphes sont des objets mathmatiques formels pour lesquels
de nombreuses proprits ont t caractrises Ainsi,
plusieurs gnralisations de la thorie des graphes ont t
proposes dans la littrature et qui permettent de modliser
une grande varit de problmes en se ramenant ltude
de sommets et darcs.

20
 Est une reprsentation dune relation binaire
un graphe est value quand attache un poids (souvent a valeurs dans R) ,chaque
arc(arete).
Dans le cas non-orient,il faut que le poids soit le mme dans les deux sens.
graphe

Est une reprsentation dune relation flou,

Un graphe dont les nuds et Les artes sont affectes des nombres
Graphe flous
flou

Est une reprsentation dune relation flou intuitioniste

Graph Un graphe dont les nuds et Les artes sont affectes des nombres
flou flous intuitioniste
intuitionis
te

Est une reprsentation dune relation neutrosophique

Un graphe dont les nuds et Les artes sont affectes des nombres
Graphe neutrosophique
neutrosoph
ique

21
EXEMPLES DES GRAPHES CIT PRECEDEMENT..
Type de nombres Type de nombres Type de graphe La
affects aux nuds affects aux artes (Eij) thorie
(vi) {E12, E13, E23} utilise
{V1,V2,V 3}
Nombre floue Nombre floue (T) Graphe floue EF
(T)
Nombre floue Nombre floue intuitioniste Graphe floue EFI
intuitioniste (T, F) intuitioniste
(T, F)
Nombre neutrosophique Nombre neutrosophique Graphe neutrosophique EN

Vi/Eij v1
E12
GF T T 0,1 v2
E13
GFI (T, F) 0 T F 1
GN (T,I,F) 0T I F 3 v3 E23

22
UN GRAPHE FLOU (FUZZY GRAPH)
Un graphe flou est une paire de fonctions G = (, ) o est un sous-
ensemble flou d'un ensemble non vide V={v1,.,vn} et est une relation flou
symtrique sur . C'est--dire : V [0,1] et : Vx V [0,1] tel que
(vivj) min( (vi), (vj)) pour tout vi, vj V o vivj dnote une arte entre
vi et vj

1=0.4

12=0.3

2=0.5
13=0.1

23=0.2
3=0.3

Fig: Graphe floue

Gani, A., Ahamed, M. B.: Order and Size in Fuzzy Graphs. Bulletin of Pure and Applied Sciences, Vol 22E (No.1)
(2003) 145-148. 23
UN GRAPHE FLOU INTUITIONISTE
(INTUITIONISTE FUZZY GRAPH)
Un graphe flou intuitioniste est une paire de fonctions G = (, ) o
- =( 1, 1) est un sous-ensemble flou intuitioniste d'un ensemble non vide V={v1,.,vn} tel que 1 :
V [0,1] et 1 : V [0,1] dnote le degr dappartenance et degr de non-appartenance de
llment vi V, respectivement, vrifier la condition
0 1(vi)+ 1(vi) 1
-=( 2, 2) est une relation flou intuitioniste symtrique sur . C'est--dire 2 : Vx V [0,1] et 2 :
Vx V [0,1] tel que:
2(vivj) min( 2 (vi), 2 (vi)) (0.4,0.3)
2(vivj) max ( 2 (vi), 2 (vi)) (0.3,0.2)
vrifier la condition, 0 2(vivj) + 2(vivj) 1
pour tout vi, vj V o vi vj dnote une arte entre vi et vj (0.5,0.4)
(0.1,0.1)

(0.2,0.1)
(0.3,0.1)

Fig: Graphe floue intuitioniste

Gani, A. N.. A and Shajitha Begum, S., Degree: Order and Size in Intuitionistic Fuzzy Graphs. International
Journal of Algorithms, Computing and Mathematics,(3)3 (2010). 24
UN GRAPHE NEUTROSOPHIQUE
(NEUTROSOPHIC GRAPH)
Un graphe neutrosophique est une paire de fonctions G = (, ) o
- =( 1, 1, 1) est un sous-ensemble neutrosophique d'un ensemble non vide V={v1,.,vn} tel que 1 : V [0,1] ,
1 : V [0,1] et 1 : V [0,1] dnote le degr dappartenance , le degr dindtermination et degr de non-
appartenance de llment vi V, respectivement, vrifier la condition
0 1(vi)+ 1(vi) + 1(vi) 3
-=( , 2, 1) est une relation neutrosophique symtrique sur . C'est--dire 2 : Vx V [0,1] ,
2 2 : Vx V [0,1]
et 2 : Vx V [0,1] tel que:
2(vivj) min( 2 (vi), 2 (vi)) (0.4,0.3,0.4)
2(vivj) max ( 2 (vi), 2 (vi))
(0.3,0.5,0.4)
2(vivj) max ( 2 (vi), 2 (vi))

vrifier la condition, 0 2(vivj) + 2(vivj)+ 2(vivj) 3

(0.1,0.5, 0.4) (0.5,0.4, 0.1)
pour tout vi, vj V o vi vj dnote une arte entre vi et vj

(0.2,0.4,0.4)
(0.3,0.2, 0.1)

Fig: Graphe neutrosophique

Broumi, S., Talea, M., Bakali, A., Smarandache, F.: Single Valued Neutrosophic Graphs. Journal of New
Theory, N 10, (2016) 86-101. 25
Broumi, S., Talea, M., Smarandache, F. and Bakali, A.: Single Valued Neutrosophic Graphs: Degree, Order and
Size. IEEE International Conference on Fuzzy Systems (FUZZ) 2016) 2444-2451.
REPRSENTATION MATRICIELLE DES GRAPHES (F-FI-N)

Graphe Matrice dadjacence

floue
0.4 0.2 0.2
M F 0.2 0.6 0.1
0.2 0.1 0.3

Floue (0.4, 0.2) (0.2, 0.4) (0.2, 0.3)

intuitioniste M IF
(0.2, 0.4) (0.6, 0.5) (0.1, 0.4)


(0.2, 0.3) (0.1, 0.4) (0.3, 0.4)

neutrosophi (0.2, 0.7, 0.7) (0.1, 0.4, 0.4) (0.3, 0.4, 0.4)

que MN (0.2, 0.4, 0.4)

(0.4, 0.2, 0.1)
(0.6, 0.3, 0.4)
(0.2, 0.4, 0.4)
(0.1, 0.4, 0.4)
(0.2, 0.7, 0.7)

26
MA CONTRIBUTION EST

27
 LES DIFFRENTS TYPES DES GRAPHS NEUTROSOPHIQUES
Les graphes neutrosophiques valeur unique (SVNG)
Les graphes neutrosophiques valeur unique uniforme (USVNG)
Les graphes neutrosophiques complexe valeur unique (CNG)
Les graphes neutrosophiques gnralis de type 1 valeur unique (GSVNG1)
SVNG

Les graphes neutrosophiques Bipolaires (BNG)

Les graphes neutrosophiques generalis Bipolaires de type 1(GBNG1)
Les graphes neutrosophiques complex Bipolaires (BCNG)
BSVNG

Les graphes neutrosophiques de type intervalle (IVNG)

Les graphes neutrosophiques de type intervalle de type 1(GIVNG1)
IVNG
28
UN GRAPHE NEUTROSOPHIQUE BIPOLAIRE

29
UN GRAPHE NEUTROSOPHIQUE DE TYPE INTERVALLE

30
GRAPPHE NEUTROSOPHIQUE UNIFORME

31
UN GRAPH NEUTROSOPHIQUE GNRALISE DE TYPE 1

32
UN GRAPH NEUTROSOPHIQUE DE TYPE INTERVALLE GNRALISE DE TYPE 1

33
UN GRAPHE NEUTROSOPHIQUE COMPLEX
DE TYPE 1

34
LE COMPLMENTAIRE DUN GRAPHE
NEUTROSOPHIQUE UNIFORME

35
PSEUDO CODE

36
Exemple dapplication:Matrices neutrosophiques

1-Implementer un program en qui permet de calculer le complement

dun graph

2-Developper un package pour le matrices neutrtrosophiques

Input : Matrices dappartenance(a.m), output :Matrices neutrosophique

matrices dindterminaction (a.i), Matrices
de non appartenance(a.n)
a.m =[0 0.2 0.5; 0.2 0 0.4; 0.3 0.4 0]
a.i=[0 0.3 0.5; 0.3 0 0.5; 0.4 0.5 0];
a.n=[1 0.4 0.6; 0.4 1 0.4; 0.1 0.1 1];
b.m =[0 0.3 0.4; 0.6 0 0.3; 0.2 0.5 0]
b.i=[0 0.5 0.6; 0.4 0 0.6; 0.2 0.3 0];
b.n=[1 0.3 0.6; 0.3 1 0.2; 0.1 0.1 1];
A=nm(a.m,a.i,a.n)
A=
<0.00, 0.00, 1.00> <0.20, 0.30, 0.40> <0.50, 0.50, 0.60>
<0.20, 0.30, 0.40> <0.00, 0.00, 1.00> <0.40, 0.50, 0.40>
<0.30, 0.40, 0.10> <0.40, 0.50, 0.10> <0.00, 0.00, 1.00>
B=nm(b.m, b.i, b.n)
<0.00, 0.00, 1.00> <0.30, 0.50, 0.30> <0.40, 0.60, 0.60>
<0.60, 0.40, 0.30> <0.00, 0.00, 1.00> <0.30, 0.60, 0.20>
<0.20, 0.20, 0.10> <0.50, 0.30, 0.10> <0.00, 0.00, 1.00>

37
Input : Matrices output :Matrices neutrosophique
dappartenance(a.m),
Matrices de non
appartenance(a.n)
a.m=[0 0.2; 0.4 0] A=im(a.m,a.n)
a.n=[1 0.3; 0.5 1]
A=

<0.00, 1.00> <0.20, 0.30>

<0.40, 0.50> <0.00, 1.00>

38
39
40
41
 CALCUL DU CHEMIN LE PLUS COURT DANS UN
ENVIRONNENT NEUTROSOPHIQUE.
Crsip shortest path problem (SPP)
Un graphe dont les nuds et Les artes sont affectes des nombres precise.
Bas sur lalgorithm classique : Djikstra, Prim , kruskaletc
SPP

Problme du chemin le plus court flou (Fuzzy shortest path problem) (FSPP)
Un graphe dont les nuds et Les artes sont affectes des nombres flous
Bas sur lalgorithm floue :fuzzy Djikstra, fuzzy Prim , fuzzy kruskaletc
FSPP

Problme du chemin le plus court flou intuitionsite(Intuitionstic Fuzzy shortest path problem)(IFSPP)
Un graphe dont les nuds et Les artes sont affectes des nombres flous intuitioniste
(TIFN,TrIFN..)
IFSPP Bas sur lalgorithm floue intuitioniste :intuitionstic fuzzy Djikstra,

Problme du chemin le plus court neutrosophique( Neutrosophic shortest path problem )(NSPP)
Un graphe dont les nuds et Les artes sont affectes des nombres neutrosophiques(
TNN,TRNN..)
NSPP Bas sur lalgorithm neutrosophique:Djikstra
42
 Les diffrents types de nombres neutrosophiques bass
sur les trois composantes
(T, I, F)

Single valued neutrosophic numbers

Interval valued neutrosophic numbers

Bipolar neutrosophic numbers

Trapezoidal fuzzy neutrosophic numbers

Triangular fuzzy neutrosophic numbers

Single valued triangular fuzzy numbers

Single valued trapezoidal fuzzy numbers

TRAPEZOIDAL FUZZY NEUTROSOPHIC NUMBERS

(a) Graphical representation of TrNFN

L algorithme pour calculer le chemin le plus court dans
un rseau neutrosophique

L'algorithme de Dijkstra tendue sert rsoudre le problme du

plus court chemin entre source et destination

45
a (a1, b1, c1);Ta ,Ia ,Fa

Type de larc Algorithme

utilis
LISTE DES ARTICLES POUR LE PROBLME DE CHEMIN LE
Applying Dijkstra Algorithm for Solving (T, I, F) Dijikstra
PLUS COURT
Neutrosophic Shortest Path Problem
tendue

Application of Dijkstra Algorithm Dijikstra

for Solving Interval Valued
Neutrosphic Shortest Path
tendue
Problem

<[0.2, 0.3], [0.2, 0.5], [0.4, 0.5]>

3 4

<[0.2, 0.4], [0.3, 0.5], [0.1, 0.2]>

1
<[0.4, 0.6], [0.2, 0.4], [0.1, 0.3]>
<[0.3, 0.4], [0.1, 0.2], [0.3, 0.5]>

<[0.1, 0.2], [0.2, 0.3], [0.4, 0.5]>

<[0.3, 0.6], [0.1, 0.2], [0.1, 0.4]>
6

2
<[0.2, 0.3], [0.3, 0.4], [0.1, 0.5]>
<[0.1, 0.3], [0.3, 0.4], [0.2, 0.3]>
5

46
47
48
FUTURE TRAVAUX
Amliorer le package neutrosophique sous
Matlab pour quil puisse manipuler les matrice
neutrosophiques bipolaires et neutrosophique de
type intervalle.
Limplmentation de lalgorithme de dijikstra
tendue sous Matlab.
etc

49
LISTE DES ARTICLES PUBLIS
S. Broumi, M. Talea, A. Bakali, F. Smarandache, Single Valued Neutrosophic Graphs, Journal of New
Theory, N 10, 2016, pp. 86-101.
S. Broumi, M. Talea, A. Bakali, F. Smarandache, On Bipolar Single Valued Neutrosophic Graphs, Journal
of New Theory, N11, 2016, pp.84-102.
S. Broumi, M. Talea, A. Bakali, F. Smarandache, Interval Valued Neutrosophic Graphs,
SISOM(2016) in press.
S. Broumi, A. Bakali, M, Talea, and F, Smarandache, Isolated Single Valued Neutrosophic Graphs.
Neutrosophic Sets and Systems, Vol. 11, 2016, pp.74-78
S. Broumi, F. Smarandache, M. Talea and A. Bakali, An Introduction to Bipolar Single Valued Neutrosophic
Graph Theory. Applied Mechanics and Materials, vol.841,2016, 184-191.
S. Broumi, M. Talea, F. Smarandache and A. Bakali, Single Valued Neutrosophic Graphs: Degree, Order
and Size. IEEE World Congress on Computational Intelligence, 2016, pp.2444-2451.
S. Broumi, A. Bakali, M. Talea, F. Smarandache and M. Ali, Shortest Path
Problem under Bipolar Neutrosophic Setting, Applied Mechanics and
Materials, Vol. 859, 2016, pp 59-66.
S. Broumi, A. Bakali, M. Talea, F. Smarandache and L. Vladareanu,
Computation of Shortest Path Problem in a Network with SV-Trapezoidal
Neutrosophic Numbers, Proceedings of the 2016 International Conference on
Advanced Mechatronic Systems, Melbourne, Australia, 2016, pp.417-422.
S. Broumi, A. Bakali, M. Talea, F. Smarandache and L. Vladareanu, Applying
Dijkstra Algorithm for Solving Neutrosophic Shortest Path Problem,
Proceedings of the 2016 International Conference on Advanced Mechatronic
Systems, Melbourne, Australia, November 30 - December 3, 2016,pp.412-416.
50
MERCI

51