分数规划:
最大密度子图:
(注:原论文中的式子有一点小问题,故手动补充:)
由于原问题要求最大化,应该先转化为最小化(乘上 −1):
Maximize
∣
E
′
∣
−
g
∣
V
′
∣
=
∑
e
∈
E
′
1
−
∑
v
∈
V
′
g
Minimize
g
∣
V
′
∣
−
∣
E
′
∣
=
∑
v
∈
V
′
g
−
∑
e
∈
E
′
1
=
∑
v
∈
V
′
g
−
∑
v
∈
V
′
d
v
−
c
[
V
′
,
V
′
‾
]
2
\begin{aligned}\text{Maximize}~~~~~~~~~~~~~~|E'|-g|V'|&=\sum_{e\in E'}1-\sum_{v\in V'}g\\ \text{Minimize}~~~~~~~~~~~~~~g|V'|-|E'|&=\sum_{v\in V'}g-\sum_{e\in E'}1\\ &=\sum_{v\in V'}g-\sum_{v\in V'}\frac {d_v-c[\large V',\large\overline{V'}]}2 \end{aligned}
Maximize ∣E′∣−g∣V′∣Minimize g∣V′∣−∣E′∣=e∈E′∑1−v∈V′∑g=v∈V′∑g−e∈E′∑1=v∈V′∑g−v∈V′∑2dv−c[V′,V′]
其中
d
u
d_u
du表示
u
u
u的度数,
c
[
V
′
,
V
′
‾
]
c[V',\overline{V'}]
c[V′,V′]表示点集
V
′
V'
V′和
V
′
V'
V′的补集的割。
为了让式子看起来更整洁,将上面的式子乘以2,得到:
∑
v
∈
V
′
(
2
g
−
d
v
)
+
c
[
V
′
,
V
′
‾
]
\sum_{v\in V'}(2g-d_v)+c[V',\overline{V'}]
v∈V′∑(2g−dv)+c[V′,V′]
该模型可以拓展到点边均带权的情况,只需要将度数改为连接的边权和,并加上点权即可,推导过程类似。
利用该模型可以解决[NOI2006]最大获利问题,相较于用闭合子图的解法,该算法达到了用最小割解决该题的一个下界。
覆盖集与独立集互补定理:
割的性质与技巧: