算法复习_网络最大流

图与网络

网络最大流基本概念

可行流需要满足的条件：

1. 容量约束条件： 0 <= fij <= cij
2. 流量约束条件：
   • 每个中间点：接收的流量之和 = 发出的流量值和
   • 发点和收点：发点发出流量之和 = 收点接收流量之和

若$\mu$是网络中联结发点和收点的一条链，链的方向是发点到收点，链上的弧为：

• 前向弧：弧的方向与链的方向一致
• 后向弧：弧的方向与链的方向相反

设f是一个可行流，$\mu$是从发点到收点的一条链，$\mu$是增广链需要满足：

• 弧(Vi,Vj)是前向弧，则 0<= fij < cij, 即前向弧每一条弧是非饱和弧
• 弧(Vi,Vj)是后向弧，则 0< fij <= cij,则后向弧每一条弧是非零流弧

可行性流f*是最大流的充分必要条件是不存在发点到收点的增广链。

割集：将网络中的点集V分为两个非空的集合$V_1$ 和 $\overline{V_1}$， 使得发点$V_s\in V_1,收点V_t\in \overline{V_1}$。则把弧集($V_1,\overline{V_1}$)称之为是分离发点和收点的割集。

割集($V_1.\overline{V_1}$)中所有的弧的容量之和成为割量，割量最小的割集称之为最小割集。

定理：网络的最大流量等于它的最小割量

割集容量：

算法内容：

流网络的定义：

容量限制：$f(u,v)\le c(u,v)$

对称性：$f(u,v)=-f(v,u)$

流量限制：对于所有点除了源点和汇点，${\sum }_{v\in V}f(u,v)=0$

==如何理解？==其实就是流入的等于流出的，这里的v指的是所有的点，结合第二条性质，原来从v到u的点（流入）被改成了-f(u,v)。

网络流的值:$|f|={\sum }_{v\in V}f(s,v)$,s是源点

网络流的性质：

• f(X,X) = 0

  证明：${\sum }_{x\in X}{\sum }_{y\in X}f(x,y)+{\sum }_{y\in X}{\sum }_{x\in X}f(y,x)=0$

• f(X,Y) = -f(Y,X)

  证明：${\sum }_{x\in X}{\sum }_{y\in X}(f(x,y)+f(y,x))=0$

• $f(X\bigcup Y,Z)=f(X,Z)+f(Y,Z)ifX\bigcap Y=\varphi$
  $$\begin{gathered} f(X\bigcup Y,Z)=\sum _{s\in X\bigcup Y}\sum _{t\in Z}f(s,t) \\ =(\sum _{s\in X}+\sum _{s\in Y})\sum _{t\in Z}f(s,t) \\ \because X\bigcap Y=\varphi \\ =\sum _{s\in X}\sum _{t\in Z}f(s,t)+\sum _{s\in Y}\sum _{t\in Z}f(s,t) \\ =f(X,Z)+f(Y,Z) \end{gathered}$$

• $|f|=f(V,t)$
  $$\begin{gathered} |f|=f(s,V) \\ =f(V,V)-f(V-s,V) \\ =-f(V-s,V) \\ =f(V,V-s) \\ =f(V,t)+f(V,V-s-t) \\ \because f(V,V-s-t)=\sum _{s\in V}\sum _{t\in V-s-t}f(s,t) \\ =\sum _{s\in V}0 \\ =0 \\ \therefore |f|=f(V,t) \end{gathered}$$

如果流量图有节点v，从源节点s到达该节点的路径不存在，则有最大流，从节点v流向其他节点的流为0，从其他节点流向v的流也为0.

$任意u\in V:p(u,v)=0andp(v,u)=0$

设s能够到达的节点集合为$V_s,显然v\notin V_s$,$对于任意v^{\prime }\in V-V_s,s无法到达v^{\prime }$
$$\begin{gathered} f(V-V_s,V)=0 \\ f(V-V_s,V_s)=0 \\ 任意x\in V-V_s,y\in V_s:p(x,y)=0 \\ f(V-V_s,V-V_s)=0 \\ 任意w,z\in V-V_s:p(w,z)=0 \end{gathered}$$

残余网络

原图的容量变为严格为正的残余容量
$$\begin{gathered} c_f(u,v)=c(u,v)-f(u,v)>0 \\ {E}_f\le 2E \end{gathered}$$
画法：

例子:

增广路径

增广路径是在增广网络$G_f$中的从源点到汇点的一条简单路径。

增广路径的容量是增广路径中的流的最小值。最大流能够增大通过提升p中的每一条边。

当流中不存在增广路径时，得到最大流。

这三个定理等价：

• 流的大小等于割量大小
• f时最大流
• f不包含增广路径

Ford&Fuklerson算法

首先初始化流量为0，找增广路径。

时间复杂度$O(F(n+m))$,F是最大流，n是点的数量，m是边的数量。F要是很大，效率会很低。

主要就是画图，DFS原则，没啥好说的

Edmonds & Karp算法

BFS原理部分跳过

BFS(G,s)
for each vertex u in V[G]-{s}
	color[u] <- white
	d[u] <- +inf
	front[u] <- null
color[s] <- gray
d[s] <- 0
front[s] <- null  //初始化根节点
Q <- null
enqueue(Q,s) //入队
while Q != null
	u <- dequeue(Q)
	for each v in Adj[u] //u的邻接点
		if color[v]=white
			color[v]<-gray
			d[v]<-d[u]+1 //父节点深度+1
			front[v]<-u //记录父节点
			enqueue(Q,v)
	color[u] <- black //访问完毕

时间复杂度$O(|V|+|E|)$

EK算法就是用BFS去找增广路径。时间复杂度$O(|V||E{|}^2)$

EK算法的证明：你以为我会吗？

标号法寻找网络最大流（运筹学）

选择可用，方便些。

步骤：

1. 找出一个可行流（若没有初始可行流，可设所有弧的流量fij=0）
2. 标号以寻增广链
   • 发点标号(0,+$\infty$)
   • 选一个点$V_i$已标号，并且另一端点$V_j$没有标号的弧沿着某条链向收点检查。
     • 若弧为前向弧，并且fij<cij，则Vj标号(Vj,${\theta }_j$),${\theta }_j=c_{ij}-f_{ij}$
     • 若弧为后向弧，并且fji>0，则Vj标号(Vj,${\theta }_j$),${\theta }_j=fji$
   • 重复(2),当收点已经得到标号，说明找到一条增广链，依据标号点的第一个标号进行反向追踪得到增广链$\mu$;若收点不能得到标号，说明不存在增广链，算法结束。
3. 调整流量
   • 求增广链上所有标号点第二个标号的最小值，得到调整量$\theta =min({\theta }_j)$
   • 调整流量：增广链上前向弧$f_{ij}^{\prime }=f_{ij}+\theta$;增广链的后向弧$f_{ji}^{\prime }=f_{ji}-\theta$
   • 得到新的可行流之后，去掉所有标号，重复步骤二三，直到收点不能标号为止。

具体参考https://www.bilibili.com/video/BV1ir4y1S7SA?p=2