网络流24题之太空飞行计划——最大权闭合图转最大流模型

做网络流24题时感觉就是对建图能力的挑战，本来应该好好整理一下的，奈何时间不足，尽在此简述一下。

一开始做这题时想了另外一个建图方式，但实际上是我读错题目了。这题只要求净收益最大，而不要求所有实验都需要进行。只关心收益的情况下，我们就可以考虑一种合适的建图方法，仅以钱为权重。这里就可以使用闭合图模型。

闭合图不是环

看见闭合图这个名词，相比很多人都会以为是含有一个很大的环的图（你懂的），但事实上并不是。

定义一个有向图$G=(V,E)$的闭合图（closure）是该有向图的一个点集，且该点集的所有出边都还指向该点集。即闭合图内的任意点的任意后继也一定在闭合图中。按照上面的定义，闭合图是允许超过一个连通块的。

那么对于带点权图，就产生了一个重要的概念——最大权闭合图，即点权和最大的闭合图。

如果我们把赞助商/实验看成一个正权点（增加相应的金钱），把仪器看成一个负权点（花去相应的金钱），并让实验连一条有向边指向该实验需要的仪器，则样例可绘图如下（由于Mermaid功能有限，故使用A/B表示编号为A的点权值为B）：

可以看出，上图的闭合图有 { 1 , 3 , 4 } \{1,3,4\} {1,3,4}, { 2 , 4 , 5 } \{2,4,5\} {2,4,5}, { 1 , 2 , 3 , 4 , 5 } \{1,2,3,4,5\} {1,2,3,4,5}，它们的权值和分别为$-1$, $12$, $17$，最大权闭合图为 { 1 , 2 , 3 , 4 , 5 } \{1,2,3,4,5\} {1,2,3,4,5}，权值和为$17$，正好是我们本题需要求解的结果。

那么有什么好的方法可以用来求最大权闭合图呢？

最大权闭合图转最大流

我们可以在原图的基础上增加源$s$和汇$t$，然后让$s$连向所有正权点，边权为正权点的权值；让所有负权点连向$t$，边权为负权点权值的绝对值；最后让原来图中的边权全为$\infty$。

我们所求的最大权闭合图权值和即为所有正权边和-最小割，也就是所有正权边和-最大流。在本图中，最大流为$18$，最大权闭合图权值和即为$35-18=17$。

笔者在此无力证明最大权闭合图为何可以转化为最小割问题，若有读者想了解，可参考Amber的论文《最小割模型在信息学竞赛中的应用》。

最大权闭合图模型的应用场景

在许多实际应用中，给出的有向图常常是一个有向无环图（DAG），闭合图的性质恰好反映了事件间的必要条件的关系：一个事件的发生，它所需要的所有前提也都要发生。一个常见的例子就是制定大学的选课计划，其中一些课程需要以另一些课程为基础，这就是给出了有向无环图。若给所有课程打分，最大权闭合图对应了获益最大或效率最高的选课计划，解决了这个问题，就可以容易地选出一个最合理的选课计划。

在另外一些实际应用中，给出的是一个一般有向图，即有可能出现圈。常见的例子就是工程分期，一个工程可能含有很多项目，项目之间也有依赖关系。有些项目是需要同期一起开发，互相依赖的（即出现圈）。这样，也可以利用最大权闭合图，将最先应该完成的项目选出来作为工程的第一期。

参考资料

《最小割模型在信息学竞赛中的应用Applications of Minimum Cut Model in Informatics》