网络流的基本性质与算法

我决定继续我的学术+数学风格，这种风格虽然有点难理解，但是定义精确，而且往往能反映出更多的性质，比语言描述往往更为简洁。

好吧，我们继续我们的网络流的介绍。考虑一个有向图$G=(V,E)$，其源点为$s$，汇点为$t$，网络流实际上可以用水流类比，比如说在$s$点出发很多（可以理解为无限多）的流量，容易发现，由于每条边实际上都应当有一个流量限制（类比一下生活：水管都有最大通过量），所以到$t$点的流量实际上有一个上限，而不是无穷大。那么，网络流中的最大流就是来求出这样的上限的。
如果再考虑另一个例子，比如说现在我们有无限多的货物要通过一个公路系统，公路系统上没一条路都有一个容量限制，同时还有收费站，每一吨货物都要收费若干元（而且每一条路上的费用不一定相同），那么同样，我们也只能从起点$s$运一些货物到终点$t$，而不是无穷多。那么，现在的问题就是，在运的货物最多的情况下，怎样使得所花费的费用最少？那么这就是最小费用最大流了。
用神奇的数学方法描述成线性规划的形式，就是像下面这样：

$$\begin{array}{l} {\rm{Maximize}}{x_t}\\ \left\{ {\begin{array}{*{20}{c}} {{a_{11}}{x_1} + {a_{12}}{x_2} \ldots + {a_{1n}} \le {c_1}}\\ {{a_{21}}{x_1} + {a_{22}}{x_2} \ldots + {a_{2n}} \le {c_2}}\\ \vdots \\ {{a_{m1}}{x_1} + {a_{m2}}{x_2} \ldots + {a_{mn}} \le {c_m}} \end{array}} \right. \end{array}$$
其中， $c_i$表示第 $i$条边的最大流量，那么这个模型就很容易被看出了。
从上面这一大块式子可以看出一个流的三个特性：

• 流量平衡：$\sum\limits_{(i,v)\in E}f(u,i) = \sum\limits_{(u,i)\in E}f(i,v)$
  • 容量限制：$f(i,j)\le c(i,j)$

  • 反对称性：$f(i,j)$ = -f(j,i)

    上述的三个特性都很好理解。比如对于流量平衡，就是对于一个点而言，进去多少流量，也出来多少流量。而容量限制前面已经提到过，就是某一条边上流过的流量不应超过其的最大流量，反对称性这一条件则有点数学的味道，就像“减去$5$”等价于“加上$-5$”一样，就是定义了一种负流量的概念，也就是流过去多少流量，等价于留回来负的流量，这和流量平衡条件结合一下就很好理解了。

  • 好的，那么最大流怎么求？证明在这里略去，反正我们先上算法。首先是一个定理，以帮助我们理解。倘若我们现在有一个有向图$G=\{V,E\}$，然后定义$f(u,v)$表示边$(u,v)\in E$的流量，另外$s,t\in V$分别是整个图的起点和终点，那么，我们便有了一个神奇的定理：

    • 
      
    • 不断增广$s-t$最短路（也就是使得这条路上通过的流量尽量大），那么最多只需要$\text O(|V||E|)$次迭代就可以求出最大流。
      关于这个定理的实现有很多。比如说，我们如果直接用BFS/DFS求最短路，然后再直接增广，那么容易考虑到其时间复杂度为$\text O(nm^2)$，也就是Ford-Fulkerson算法。
      当然，F-F算法还有一个要点，就是反向边。考虑一种“撤销”操作，令得流过去的流可以在某种意义上“流回来”，这样才正确。如果没有的话，那么算法就会“一条路走到黑”，陷入局部困境。
      那么，有什么优化的方法吗？Ford-Fulkerson的时间复杂度太高了，有什么方法优化么？有！
      考虑到Ford-Fulkerson有一个瓶颈实际上在求最短路上，那么我们可以先构造一种叫层次图的东西，使得所有的s-t路径都是s-t最短路，那么我们就只需增广这个层次图中每一条路径所对应的边，然后再不断重构层次图就好了。
      考虑这样一种层次图的构建方法，也就是设$h(i)$为点$i$到源点$s$的最短距离，然后只增广满足$h(v)=h(u)+1$条件的边$(u,v)\in E$就好了。
      在考虑一下这样做的时间复杂度。每一次的增广，距离至少增加$1$，然后距离最大为$n-1$，而一共需$\text O(nm)$次的迭代，于是总共的时间复杂度也就是$\text O(n^2m)$。
      另外还有更快的做法，无论是在理论时间复杂度上，还是实际上，都各有胜过它的代码。
      

    但是，Dinic短啊！