算法设计：图论

我们主要学这些：

我们呢先学最短路径：

先学习普通的有向图，可以有负权的。

用屁股想也可以知道，我们首先就要证优化子结构：最优路径包括最优子路径。这个显然不言而喻。

这里要注意一个性质：

这个负圈就是说，这个圈的权是负的。这样的话，我只要多转几圈就可以越来越小，没有最小了。所以我们的图都是没有负圈的。不过个别边是可以有负权的，只要不够变成圈就可以了。

可以看到，这就是一个更新某个节点距离初始点最短距离的操作。

先计算一下复杂度：

就是点数乘以边数。 

可能还是不太好懂，现在来个实例：

 现在好像有点懂了，那个for里的for是要把现在能relax的都松了，那么现在有一个问题，为什么只要重复N-1遍就可以了？

详细解释一下：v是一个d[v]<o(s,v)的点（假设的），肯定有一个点，松弛了之后才让v进化成这样的。那我就假设是u让他这样的。o(s,v)<=o(s,u)+w(u,v)(因为o(s,v)可能不是uv实现的，可能会变大)但同时d[u]>=o(s,u)，这样一来岂不是d[v]<d[u]+w(u,v)，那使v进化的还不是u?矛盾了，所以不行。

第一轮考虑了S可以碰到的点，V1显然在列，而且得到的解显然是最小的代价（也就是s到v1的直接距离，假如不是，那v1就不是第一步了）。第二轮在原有的基础上松弛，我们已经知道了v1是他的开头，（开局假设了），而v1的d已经就是最好代价了，那我得到的d[v2]显然也是最好代价···这样一来，我到了第几回合第几步就最优，这个路最多就N-1步，那只要N-1轮就可以了。

 现在来学习另一种方法：（必须非负）

 这个也可以用上面的Bellman算法，不过用的时间多了，现在用更简单的方法。

开局和FallMan一样开始更新代价，但是只有其中最小的那个可以进入S（进入了S那就是正确最小代价了，因为其他地方过来的和自己还在同一步，还没到自己代价就已经大了，除非有负权否则翻不了盘）,然后一直重复这个步骤。例如：

证明就和我之前简单讲的一样：

现在我们来思考另一个问题：

 

这里要解释一下：D(K)只包括V1到Vk的路径，这样的话岂不是可能有很多根本就没有路？不要紧，没有路那就是正无穷，比原本的W大，那就不用改。

Dk和Dk-1就多了一个k,假如i和j的距离发生了变化，那肯定和k有关。

举个例子：

从D0到D1的变化：D0就是原本的W,D1就是增加了V1的路径，解锁了与1相连的边的使用权。现在我们每个点都要考量，把V1加到路径里会跟好吗？会的话就改。

D1到D2就是解锁了V2相连边的使用权。

注意：D0D1什么的在矩阵大小上是一样的，只是每个点之间的路径可以使用的边越来越多，越来越接近正确。

网络流问题：

 现在提出一个余图的概念：

就是把流图里面所有有流量的边都翻一下，其中要是有没有用到的部分就不反。

新的余图是在旧的余图的基础上画出来的，原来反了的还是保留（当然可能又被反回去了）这个增广的操作其实就是一直增，直到无路可走，就完成了。余图的绘画其实就是把之前化的流图中用掉的容量剪掉，不准再用，一直这样知道花不了流图，也就是没有容量可以减了，那就找到了最大流量了。为什么不直接剪掉，而采用翻一下的操作呢？因为我这只是划了一条流图，在其他的流图中，同一条边我流动的方向可能是不一样的，这样二者会抵消一部分，这样的话直接剪掉就不能体现抵消了。我现在用反一下的方法，遇到相反的流向我可以改回来。

 例子：

 

匹配问题：

 可以看到三个概念是递增的关系。

二分图匹配：

以前图论的时候学过这个。

 似曾相识。

没有例子显然是看不懂的，上例子：

第一条路是可以随便取的，反正没有匹配。

有了第一个增广路后，我们直接去翻，也就是1——5变成了匹配路，那我们就从他两端出发找新的增广路。

2——5走到头了，那就干不了，1——7也不行，所以只能找其他的，随便找了个3——6.3——6纳入后也变不了，有只能去找其他的，找4——8.

现在无路可走了，完成。

可以用于给工人分配任务，比如说左边的点是工人，右边的点是任务。每个任务只要一个人做，一个人可能会做多个活，但只能去做一个（能做就可以用边相连来代表）。这样我们就得到了一个二分图，只要找到最大匹配就可以分配任务了。

这样，图论就完结了。