网络流学习笔记（1）：最大流及其反向边详解+最小割定理简单证明

何为最大流？

把计算机当做顶点，连接计算机的通信电缆当做边，就可以把该网络就可以把这个网络当作一个有向图来考虑了。图中的每条边$e\in E$都有对应的最大可能的数据传输量$c(e)$,这样，就可以把问题转为如下形式。

• 记每条边对应的实际数据传输量为$f(e)$
• 传输量应该满足以下限制$0\le f(e)\le c(e)$，即通信电缆上传输的数据，不能比传输容量大，否则容易荡机。
• 根据物质守恒定律，除了$s,t$两个点只负责发送或者接受，其他机器的收发数据量应该是相等的。
• 目标是最大化从$s$发出的数据量。

我们称使得传输量最大的$f$为最大流，而求解最大流的问题为最大流问题。此外，我们称$c$为边的容量，$f$为边的流量，$s$为源点(source), $t$为汇点(sink)那么，这个问题应该如何求解呢？首先考
虑下面这样的贪心算法。

贪心策略

• 找到一条$s$到$t$的所有路径都满足$f(e)<c(e)$的边的路径，注意这里是严格的小于。因为对于一个边，如果$f(e)=c(e)$，那么他已经满了，不能作为一条新的路径使用。
• 如果不存在满足条件的路径，则结束算法。否则，沿着该路径尽可能地增加$c(e)$，返回第(1)步。
  将该算法用于样例，得到以下的结果
  
  但是这样得到的结果真的是最大流嘛？事实上，如果采用下图所示的方案，可以得到更优的结果，于是可以知道这个贪心算法是不正确的。
  
  那么，贪心算法得到的结果是10, 而上图得到的结果是11。为了找出二者的区别，不妨来看看它们的流量的差。
  

反向边的作用，为什么需要反向边？

通过对流量的差的观察可以发现，我们通过将原先得到的流给推回去（图中的-1部分），也就是说给流一个反悔的机会，此时表面上$s-2-1-3-t$形成了一条新的路径，最大流增加了1，但是仔细思考一下，他到底是怎么运作的呢？难道真的是$2\to 1$的一个流嘛？可是$2\to 1$事实上并没有路径。

实际上，我们分别考虑这个推回去的流对$1$和$2$他们的影响，对$2$来说，这退回的从$1\to 2$的流，由$s\to 2$的这个流进行替代，因此流向$2$的流其实没有变化，因此从$2\to t$的最大流没有变化，但是对$1$而言，给它腾出来了一个单位的流，而且这个流刚好可以从$1-3-t$流到终点（因为$s-2-1-3-t$形成了路径，那么其中的一部分肯定也是一条可以使用流量$1$的路径）从$1-3-t$流向终点，因此最大流$+1$，这就是反向边所起的作用，往往可以从该反向边将路径分成两部分分别进行分析。再分析一个简单的例子

第一步我们得到$1-2-4-6$这条路径，然后更新，如果没有反向边，那就打卡下班，得到一个错误答案（实际上1-2-5-6,1-3-4-6是最优的）。加上反向边，

我们又得到了$1-3-4-2-5-6$，细品，也就是3代替2将10个单位的流注入了4，因此$1-3-4-6$形成了新的流，而反悔的10单位的流回到2节点，又经过$5-6$流向终点，也就是$1-2-5-6$也形成了一个新的流，并且得到了更好的答案。
我们将由反向边和正常边组成的网路称作为残余网络，并称残余网络上$s\to t$的路径为增广路径。

Ford-Fulkerson算法

我们可以试着在之前的贪心算法中加上上面的操作，将算法进行如下改进。

• 只利用满足$f(e)<c(e)$ 的$e$或者满足$f(e)>0$的$e$对应的反向边$rev(e)$, 寻找一条$s$到$t$路径。（边上的$f(e)$其实也就是反向边的容量，$f(e)>0$也就是说反向边可以用）。
• 如果不存在满足条件的路径，则结束。否则，沿着该路径尽可能地增加流，返回第(1)步。

再将改进后的贪心算法运用于样例。显然就可以了

下面是一个Ford-Fulkerson算法的邻接表实现的例子。这里没有保存$f(e)$的值，取而代之的是直接改变$c(e)$的值。

数据结构

给图中新增边

注意为什么对$from$而言他的反向边是这个$G[to].size$，如果$G[to].size$是1，那么$G[to]$下一步会push这条反向边进入他的vector，索引值恰好是1。$from<=>to$这两条边互为反向边，因此$G[to]$的反向边索引是$G[from].size()-1$

DFS寻找增广路径

• 将$f$作为参数，记录该路径上的最大流量，一旦到达终点就可以返回该值。
• 更新容量时记着也要更新反向边的容量。
• 每找到一条增广路径，dfs函数就会返回，used只是在寻找一条增广路经时作为标记使用的。

求解最大流

不断地寻找增广路径，used数组每次都要重新初始化，

最小割问题

什么是最小割问题？对于给定网络，为了保证没有从s到t的路径，需要删去的边的总容量的最小值是多少？

下面介绍网络流理论中一个最为重要的定理
最大流最小割定理(Maximum Flow, Minimum Cut Theorem):
网络的最大流等于最小割

具体的证明分三部分

具体的证明分三部分

1.任意一个流都小于等于任意一个割 这个很好理解 自来水公司随便给你家通点水 构成一个流 恐怖分子随便砍几刀 砍出一个割 由于容量限制 每一根的被砍的水管子流出的水流量都小于管子的容量 每一根被砍的水管的水本来都要到你家的 现在流到外面 加起来得到的流量还是等于原来的流
管子的容量加起来就是割 所以流小于等于割 由于上面的流和割都是任意构造的 所以任意一个流小于任意一个割
2.构造出一个流等于一个割 当达到最大流时 根据增广路定理 残留网络中s到t已经没有通路了 否则还能继续增广 我们把s能到的的点集设为S 不能到的点集为T 构造出一个割集C[S,T] S到T的边必然满流 否则就能继续增广 这些满流边的流量和就是当前的流即最大流
把这些满流边作为割 就构造出了一个和最大流相等的割
3.最大流等于最小割 设相等的流和割分别为Fm和Cm 则因为任意一个流小于等于任意一个割 任意F≤Fm=Cm≤任意C 定理说明完成，证明如下： 对于一个网络流图G=(V,E)，其中有源点s和汇点t，那么下面三个条件是等价的：

1. 流f是图G的最大流
2. 残留网络Gf不存在增广路
3. 对于G的某一个割(S,T)，此时f = C(S,T) 首先证明1 => 2：

我们利用反证法，假设流f是图G的最大流，但是残留网络中还存在有增广路p，其流量为fp。则我们有流f’=f+fp>f。这与f是最大流产生矛盾。
接着证明2 => 3：

假设残留网络Gf不存在增广路，所以在残留网络Gf中不存在路径从s到达t。我们定义S集合为：当前残留网络中s能够到达的点。同时定义T=V-S。
此时(S,T)构成一个割(S,T)。且对于任意的u∈S,v∈T，有f(u,v)=c(u,v)。若f(u,v) < c(u,v)，则有Gf(u,v) > 0，s可以到达v，与v属于T矛盾。
因此有f(S,T)=Σf(u,v)=Σc(u,v)=C(S,T)。 最后证明3 => 1：

由于f的上界为最小割，当f到达割的容量时，显然就已经到达最大值，因此f为最大流。 这样就说明了为什么找不到增广路时，所求得的一定是最大流。