算法设计学习笔记（七）——网络流

最新推荐文章于 2023-07-08 11:42:21 发布

JING0_0

最新推荐文章于 2023-07-08 11:42:21 发布

阅读量638

点赞数 3

本文链接：https://blog.csdn.net/JING0_0/article/details/108440638

版权

网络流

一、最大流问题与Ford-Fulkerson算法

二分匹配——网络流的特例

一般性的问题——最大流问题

一、最大流问题与Ford-Fulkerson算法

1.问题

交通网络。

要素：边的容量，源点，汇点(终点)

流网络：

是具有以下特征的有向图 $G=(V,E)$

每条边e管理一个容量
存在单一源点
存在单一汇点

定义流：

一个流f必须满足以下两个性质：

(容量条件)对每个 $e\in E$ ，我们有 $0\leq f(e)\leq c_{e}$ .
(守恒条件)除了s与t之外，对每个结点v，我们有进入结点v的所有边上的总流值等于离开结点v的所有边上的总流值

最大流问题：
给定一个流网络，找出一个具有最大值的流。

（将证明最大流值等于称之为最小割的任何这种划分的最小容量）

2.设计算法

剩余图：

我们如下定义G关于f的剩余图 $G_{f}$ ：

$G_{f}$ 的结点集与 $G$ 的结点集相同
对 $G$ 的每条边 $e=(u,v)$ ，其中 $f(e)< c_{e}$ ，那么存在 $c_{e}-f(e)$ 的剩余的容量单位，在这个容量上向前推进，得到一条边 $e=(u,v) \in G_{f}$ ，容量为 $c_{e}-f(e)$ ，我们把这种形式的边叫做前向边。
对 $G$ 的每条边 $e=(u,v)$ ，其中 $f(e) > 0$ ，那么在上面还存在 $f(e)$ 单位的流，我们只要想做，就可以通过向后推这个流来“撤销”它，因此我们在 $G_{f}$ 中的到一条边 ${e}'=(u,v)$ ，其中容量为 $f(e)$ 。我们把这种形式的边叫做后向边。

在剩余图中的增广路径：

augment(f,P)

令 $b=bottleneck(P,f)$

For 每条边 $(u,v)\in P$

If $e=(u,v)$ 是一条前向边 then

在G中把 $f(e)$ 增加b

Else $((u,v)$ 是一条后向边，且令 $e=(u,v))$

在G中把 $f(e)$ 减少b

Endif

Endfor

Return $f$

为反映增广的重要性，人民常把在剩余图中的任何一条 $s-t$ 路径认为是一条增广路径。

命题7.1 ${f}'$ 是 $G$ 中的一个流。

计算G中一个 $s-t$ 流的算法：

Max-Flow

对G中所有的e初始化 $f(e)=0$

While 在增广图 $G_{f}$ 中存在一条 $s-t$ 路径

令 P 是 $G_{f}$ 中的一条简单路径

${f}' = augment(f,P)$

把 ${f}$ 更新为 ${f}'$

把增广图 $G_{f}$ 更新为 $G_{{f}'}$

Endwhile

Return ${f}$

3.分析算法：终止与运行时间

命题7.2 在Ford-Fulkerson算法的每个中间步，流值 $\{{f(e)}\}$ 和 $G_{f}$ 中的剩余容量是整数。

命题7.3 令 ${f}$ 是G中的流，且令P是 $G_{f}$ 中的一条简单的 $s-t$ 路径.那么， $v({f}') = v(f)+bottleneck(P,f)$ ,并且由于 $bottleneck(P,f)> 0$ ,我们有 $v({f}') > v(f)$ .

定理7.4 假设在流网络G中的所有容量都是整数，那么Ford-Fulkerson算法在至多C次While循环的迭代后终止。

定理7.5 假设在流网络G中的所有容量都是整数，那么Ford-Fulkerson算法的运行可以在 $O(mC)$ 时间内实现。

二、网络中的最大流与最小割

1.分析算法：流与割

割： $s-t$ 割是结点集合V的一个划分 $(A,B)$ ，使得 $s\in A,t\in B$

定理7.6 令 ${f}$ 是任何 $s-t$ 流，且 $(A,B)$ 是任意 $s-t$ 割，那么 $v(f) = f^{out}(A)-f^{in}(A)$ .

命题7.7 令 ${f}$ 是任何 $s-t$ 流，且 $(A,B)$ 是任意 $s-t$ 割，那么 $v(f) = f^{in}(B)-f^{out}(B)$ .

定理7.8 令 ${f}$ 是任何 $s-t$ 流，且 $(A,B)$ 是任意 $s-t$ 割，那么 $v(f) \leq c(A,B)$ .

2.分析算法:最大流等于最小割

定理7.9 如果 ${f}$ 是使得在剩余图 $G_{f}$ 中没有 $s-t$ 路径的一个 $s-t$ 流，那么在G中存在一个 $s-t$ 割 $(A^*,B^*)$ 使得 $v(f) = (A^*,B^*)$ ，因此， ${f}$ 有G中任何流的最大值，且 $(A^*,B^*)$ 有G中任何 $s-t$ 割的最小容量。

定理7.10 有Ford-Fulkerson算法返回的流 $\bar{f}$ 是最大流

定理7.11 给定一个最大值的流，我们可以在 $O(m)$ 时间内计算一个最小容量的 $s-t$ 割

命题7.12 在每个流网络中，存在一个流 ${f}$ 和一个割 $(A,B)$ 使得 $v(f) = (A,B)$

定理7.13 在每个流网络中，一个 $s-t$ 流的最大值等于一个 $s-t$ 割的最小容量

3.进一步分析：整数值的流

定理7.14 如果在流网络中所有的容量都是整数，那么存在一个最大流 ${f}$ ，它的每个流值 $f(e)$ 都是整数。

三、选择好的增广路径

1.设计一个更快的流算法

缩放参数 $\Delta$

Scaling Max-Flow

对G中所有的e初始化 $f(e) = 0$

初始化置 $\Delta$ 是2的最大的幂，且不大于从s出来的最大容量： $\Delta \leq max_{e\ out\ of\ s }\ c_{e}$

While $\Delta \geq 1$

While 图