网络流学习笔记

由 hycqwq 发布

网络流(network flow)就是一个网络(有向图)上的流。

网络流简介 - OI Wiki

一、前置知识

1.1 割(cut)

把网络分为 $S, T$ 两部分,使得源点在 $S$ 中,汇点在 $T$ 中,其容量 $V$ 为所有从 $S$ 到 $T$ 的边的容量之和,这就是一个割。

1.2 增广路(augmenting path)

从源到汇的流(经过的边的流量的最小值)大于 $0$ 的路径。

1.3 残余网络(residual network)

在经过一些流后,剩余的流量组成的网络。

1.4 最大流最小割定理

设 $mf$ 为最大流,$mc$ 为最小割。

结论:$mf = mc$。


下面为本定理证明。

把跑完最大流(Ford-Fulkerson)剩下的残余网络,分为两部分 $S, T$,其中 $S$ 包括所有可以从源点通过非 $0$ 的边到达的点,$T$ 包含剩余的点。

首先,显然 $mf \le mc$,因为从源到汇必定会跨越 $S, T$ 两部分。

那么如何证明 $mf = mc$ 呢?

设这种割放在原图中的容量为 $c$,此时算出的最大流为 $f$。

此时,$f \ge c \ge mc$,又 $f \le mf \le mc$,所以 $mf = mc$。

值得一提的是,这也说明 $f = mf$。

二、最大流

2.1 Ford-Fulkerson 算法

考虑寻找增广路。

每找到一条流为 $f$ 的增广路,就将其经过的边的流量减少 $f$,并且答案增加 $f$。

但是!我们看下面这个图:

如果取到红色的一条增广路,那么计算出的最大流就是 $1$,但是选绿边可以做到 $2$ 的最大流。

我们希望“反悔”,把我们之前用掉的流量退回去。所以我们对于每一条边建一条反边,用来“反悔”,每次一条边减少 $f$ 时,其反边增加 $f$。

在这个新的图上找增广路,不用考虑这条边原来是否存在,直接跑就可以了。

根据上面证明最大流最小割定理的部分,可知本算法的正确性。

2.2 Edmonds-Karp 算法

就是 Ford-Fulkerson + 找增广路用广搜。

和用深搜 + 一些剪枝和避免重复访问,是一样的复杂度。

2.3 Dinic 算法

把图分层(同样只用流量不为 $0$ 的边,每条边也有反边)。

在找增广路时,每条边必须通往下一层(离源点更远的一层,在同一层也不行)。

把一个分层方案“榨干”(即找到所有增广路)时,重新分层。

在源点与汇点(通过流量不为 $0$ 的边)不连通时结束。

在上图中,橙色是分层,绿色是合法的增广路,红色是不合法的增广路($C \to B$ 回到了上一层),

2.4 Dinic 优化

由于 Dinic 在找增广路时也是一条一条找,而从一个点延伸出的边中已经找过发现没有增广路的,以后肯定也没有了,所以可以记录下每个点上次遍历到了哪,下次遍历时继续即可。

每次重新分层时,这个记录便失效了。

三、有上下界的网络流

在这里,「可行流」指符合所有边流量上下界并且非源汇点流量平衡的流。

更加具体地说,可行流即为在边有流量最大和最小限制的网络上,满足所有边的流量限制的最小流。

3.1 无源无汇上下界可行流

假设我们有上面这个图,边上标注的是允许通过的最小和最大流量。

现在,每条边的流量取其最小值,这是它必须通过的流量。

在这个“最小图”上,对于每个点 $x$,如果入边的流量和 $i$ 大于出边之和 $o$,就建立一条边 $(S, x, i - o)$,反之则建立 $(x, T, o - i)$。

($S$ 为超源点,$T$ 为超汇点)

然后,我们把所有原图中有的边的流量设为最大流量与最小流量之差。

最后,在这个图上跑最大流,看超源点 $S$ 是否满流即可。

这整个过程,就相当于把所有最小限制消去,变成一个相对的虚拟边(入和出重合的部分就相当于是在转圈,自动满足)。

3.2 有源有汇上下界可行流

和无源无汇的情况一样,建出超源超汇点,并且将原图所有边的流量修改。

与无源无汇的情况不同的是,原图的源点与汇点(可以转换为各一个)是不平衡的(入流量不等于出流量),因为本来就不需要(或者说要求)平衡。为了抵消它的影响,我们在原图的源汇点之间建一条边 $(t, s, +\infty)$。

然后在这个图上跑最大流,刚刚添加的那条边实际使用了的流量即为原图的可行流流量。

3.3 有源有汇上下界最大流

在算出可行流流量后,在原图的残余网络上再跑一遍最大流,将二者相加即为答案。

(实际上,这就相当于是在新图残余网络上跑一遍最大流的结果,因为只多了一条不会影响结果的边)

3.4 有源有汇上下界最小流

在算出可行流流量 $f_1$ 后,删掉新添加的边 $(t, s, +\infty)$(当然也要删反边,但是不删也没影响),计算 $t \to s$ 最大流 $f_2$,答案为 $f_1 - f_2$。

(实际上,就是先满足每条边的最小条件,再减掉可以流回去的)

四、最小费用最大流

每条边有一个「费用」,表示通过一个单位的流需要的代价。求最大流以及达到最大流所需的最小代价。

4.1 SSP (Successive Shortest Path) 算法

我们之前找增广路的方法是直接搜,并没有考虑这个问题,要解决它我们只需要在找增广路的时候找费用最小的就可以了。可以直接跑最短路,因为费用会叠加。

SSP 算法在原先最大流算法的基础上,将寻找增广路的方式改为了最短路算法。


暂无评论

发表评论