图论-09

09-网络流理论 注：所写主要参考为许胤龙《图论导引》，因觉得此书所写不合理，故附参考张先迪《图论及其应用》

网络与流函数

• 网络：一个网络可以定义为一个四元组$N=(D,s,t,c)$，其中
  • $D$是一个若连通的有向图
  • $s,t\in V(D)$，分别称为源与汇
  • $c:E(D)\to R$为容量函数，任给$e\in E(D),c(e)\ge 0$为边$e$的容量
• 流函数：网络$N=(D,s,t,c)$上的流函数为$f:E(D)\to R$，要求满足
  • 任给$e\in E(D)$，都有$c(e)\ge f(e)\ge 0$
  • 任给$v\in V(D)-s,t$，都有${\sum }_{e\in \alpha (t)}f(e)-{\sum }_{e\in \beta (t)}f(e)=0$，其中，$\alpha (v)$为以$v$为头的边集，$\beta (v)$为以$v$为尾的边集。
• 流量：$Val(f)={\sum }_{e\in \alpha (t)}f(e)-{\sum }_{e\in \beta (t)}f(e)={\sum }_{e\in \beta (s)}f(e)-{\sum }_{e\in \alpha (s)}f(e)$
• 截：给定网络$N=(D,s,t,c),S\subset V(D)$，满足$s\in S,t\in \overline{S}=V(D)-S$，则称 ( S , S ‾ ) = { e = ( u , v ) ∣ e ∈ E ( D ) , u ∈ S , v ∈ S ‾ } (S,\overline{S})=\{e=(u,v)|e\in E(D),u\in S,v\in \overline{S}\} (S,S)={e=(u,v)∣e∈E(D),u∈S,v∈S}为网络$N$的一个截
• 截量：称$C(S,\overline{S})={\sum }_{e\in (S,\overline{S})}c(e)$为$(S,\overline{S})$的截量
• 最小截：截量最小的截称为最小截
• 定理：设$f$是网络$N=(D,s,t,c)$的流函数，$(S,\overline{S})$是其一个截，则有$Val(f)={\sum }_{e\in (S,\overline{S})}f(e)-{\sum }_{e\in (\overline{S},S)}f(e)$
  • 直观来看，除$s$与$t$外，其余顶点的流入流量和流出流量是抵消的，所以从$S$流入$\overline{S}$的流量减去从$\overline{S}$流回$S$的流量理应是从源$s$流入汇$t$的净流量
  • 推论：设$f$是网络$N=(D,s,t,c)$的流函数，$(S,\overline{S})$是其一个截，若$Val(f)=C(S,\overline{S})$，则$f$是最大流，$(S,\overline{S})$是最小截

---

$Ford-Fulkerson$算法

• 正向边：$e$的方向与$P(s,u)$方向相同，称$e$为$P$的正向边
• 反向边：$e$的方向与$P(s,u)$方向不相同，称$e$为$P$的反向边
• 未满载边：若$e$是$P(s,u)$正向边，且$f(e)<c(e)$，则称$e$为未满载边
• 满载边：若$e$是$P(s,u)$正向边，且$f(e)=c(e)$，则称$e$为满载边
• 零载边：若$e$是$P(s,u)$反向边，且$f(e)=0$，则称$e$为零载边
• 正载边：若$e$是$P(s,u)$反向边，且$f(e)>0$，则称$e$为正载边
• 可增载量：边$e$的可增载量为$l(e)=\{\begin{array}{ll}c(e)-f(e)，& e是正向边\\ f(e),& e是反向边\end{array}$，$P(s,u)$的可增载量$l(P)={\min }_{e\in E(P)}l(e)$
• 未满载轨道：若$l(P)>0$，则称$P(s,v)$为未满载轨道
• 满载轨道：若$l(P)=0$，则称$P(s,v)$为满载轨道
• 可增载轨道：若$l(P)>0$且$v=t$，则称$P(s,t)$是网络上关于$f$的可增载轨道
• 引理：设$f$是网络$N=(D,s,t,c)$的流函数，$P(s,t)$是$N$上关于$f$的可增载轨道，重新定义$\overline{f}:E(D)\to R$为$\overline{f}(e)=\{\begin{array}{ll}f(e)+l(P),& e是正向边\\ f(e)-l(P),& e是负向边\\ f(e),& e其他\end{array}$，则$\overline{f}$是网络$N$的流函数，且$Val(\overline{f})=Val(f)+l(P)$
• 可增载轨道算法
  • 输入：网络$N=(D,s,t,c)$，流函数$f$
  • 输出：一条可增载轨道，或指出当前流函数是最大流
  • 初始化： S = { s } S=\{s\} S={s}；令$prev(s)=\ast$
  • 扩增轨道1：若存在$u\in S,v\in \overline{S}$，使得$(u,v)\in E(D)$且边$(u,v)$未满载，则令 S ← S ∪ { v } , p r e v ( v ) = u S\leftarrow S\cup\{v\},prev(v)=u S←S∪{v},prev(v)=u
  • 扩增轨道2：当扩增轨道1无法增加时，若存在$u\in S,v\in \overline{S}$，使得$(v,u)\in E(D)$且边$(v,u)$正载，则令 S ← S ∪ { v } , p r e v ( v ) = u S\leftarrow S\cup\{v\},prev(v)=u S←S∪{v},prev(v)=u
  • 结束条件：两方法均无法扩增或$t\in S$时，结束算法
• $Ford-Fulkerson$最大流算法
  • 输入：网络$N=(D,s,t,c)$
  • 输出：最大流函数$f$
  • 初始化：取初始流函数$f$，如$f(e)\equiv 0$
  • 构造新流函数：调用可增载轨道算法。若找到可增载轨道$P(s,t)$，如引理当中一样，构造新的流函数$\overline{f}$，直至无法找到可增载轨道，算法结束

---

容量有上下界的网络最大流

• 容量上界/下界：在一个容量有上下界的网络中$V=(D,s,t,b,c)$，其中$\forall e\in E(D),c(e)\ge b(e)\ge 0$，为边$e$的容量上界与容量下界
• 可行流：网络$N=(D,s,t,b,c)$上的流函数定义为$f:E(D)\to R$，满足
  • $\forall e\in E(D)$，都有$c(e)\ge f(e)\ge b(e)$
  • 任给 v ∈ V ( D ) − { s , t } v\in V(D)-\{s,t\} v∈V(D)−{s,t}，都有${\sum }_{e\in \alpha (v)}f(e)-{\sum }_{e\in \beta (v)}f(e)=0$
  • 因容量有上下界的流函数不一定存在，故称为可行流
• 伴随网络：伴随网络是一个容量仅有上界的一般网络，给定容量有上下界网络$N=(D,s,t,b,c)$，定义$N$的伴随网络为一般的网络$N^{\prime }=(D^{\prime },s^{\prime },t^{\prime },c^{\prime })$，其中
  • V ( D ′ ) = V ( D ) ∪ { s ′ , t ′ } V(D')=V(D)\cup\{s',t'\} V(D′)=V(D)∪{s′,t′}
  • E ( D ′ ) = E ( D ) ∪ { ( s ′ , v ) , ( v , t ′ ) ∣ v ∈ V ( D ) } ∪ { ( s , t ) , ( t , s ) } E(D')=E(D)\cup\{(s',v),(v,t')|v\in V(D)\}\cup\{(s,t),(t,s)\} E(D′)=E(D)∪{(s′,v),(v,t′)∣v∈V(D)}∪{(s,t),(t,s)}
  • $s^{\prime }$与$t^{\prime }$分别为伴随网络$N^{\prime }$的源与汇
  • 容量函数$c^{\prime }$定义为$c^{\prime }(e)=\{\begin{array}{ll}c(e)-b(e),& e\in E(D)\\ {\sum }_{e\in \alpha (v)}b(e),& e=(s^{\prime },v),v\in V(D)\\ {\sum }_{e\in \beta (v)}b(e),& e=(v,t^{\prime }),v\in V(D)\\ +\infty ,& e=(s,t)或(t,s)\end{array}$
• 定理：给定网络$N=(D,s,t,b,c)$，其伴随网络为$N^{\prime }=(D^{\prime },s^{\prime },t^{\prime },c^{\prime })$，则$N$中存在可行流，当且仅当$N^{\prime }$中最大流使得任给$v\in V(D)$，边$(s^{\prime },v)$都满载
• 容量有上下界网络的最大流算法
  • 输入：容量有上下界网络$N=(D,s,t,b,c)$
  • 输出：最大流函数$f$，或断定$N$没有可行流
  • 构造$N^{\prime }$；构造$N$的伴随网络$N^{\prime }$
  • 找$N^{\prime }$最大流函数：用$2F$算法求$N^{\prime }$的最大流函数
  • 判断上述定理：若不满足上述定理，则结束算法无可行流，否则令$f(e)=f^{\prime }(e)+b(e)$
  • 找$N$最大流函数：以$f$作为初始流函数，$2F$算法即可

---

有供需需求的网络流

• 有供需约束的网络：定义六元组$N=(D,X,Y,\sigma ,\rho ,c)$
  • $D$是一个弱连通的有向图
  • X = { x 1 , x 2 , ⋯   , x m } ⊆ V ( D ) X=\{x_1,x_2,\cdots,x_m\}\subseteq V(D) X={x1​,x2​,⋯,xm​}⊆V(D)是源集合
  • Y = { y 1 , y 2 , ⋯   , y n } ⊆ V ( D ) Y=\{y_1,y_2,\cdots,y_n\}\subseteq V(D) Y={y1​,y2​,⋯,yn​}⊆V(D)是汇集合
  • $\sigma :X\to R$，$\sigma (x_i)$表示产地$x_i$的产量
  • $\rho :Y\to R$，$\rho (y_j)$表示消费市场$y_j$的需求量
  • $c:E(D)\to R$为容量函数，任给$e\in E(D)$，$c(e)$为边$e$的容量
• 有供需约束网络的流函数：$f:E(D)\to R$，满足
  • 任给$e\in E(D)$，都有$0\le f(e)\le c(e)$
  • 任给$v\in V(D)-X\cup Y$，都有普${\sum }_{e\in \alpha (v)}f(e)-{\sum }_{e\in \beta (v)}f(e)=0$
  • 任给$1\le i\le m$，都有${\sum }_{e\in \beta (x_i)}f(e)-{\sum }_{e\in \alpha (x_i)}f(e)\le \sigma (x_i)$
  • 任给$1\le j\le n$，都有${\sum }_{e\in \alpha (y_j)}f(e)-{\sum }_{e\in \beta (y_j)}f(e)\ge \rho (x_i)$
• 定理：给定供需约束的网络$N=(D,X,Y,\sigma ,\rho ,c)$，$N$有可行流充要条件是：任给$S\subseteq V(D)$，都满足$C((S,\overline{S}))\ge \rho (Y\cap \overline{S})-\sigma (X\cap \overline{S})$
• 附加网络：给定有供需约束的网络$N=(D,X,Y,\sigma ,\rho ,c)$，定义$N$的附加网络为一般的网络$N^{\prime }=(D^{\prime },x_0,y_0,c^{\prime })$，其中
  • V ( D ′ ) = V ( D ) ∪ { x 0 , y 0 } V(D')=V(D)\cup\{x_0,y_0\} V(D′)=V(D)∪{x0​,y0​}
  • E ( D ′ ) = E ( D ) ∪ { ( x 0 , x i ) ∣ i = 1 , 2 , ⋯   , m } ∪ { ( y j , y 0 ) ∣ j = 1 , 2 , ⋯   , n } E(D')=E(D)\cup\{(x_0,x_i)|i=1,2,\cdots,m\}\cup\{(y_j,y_0)|j=1,2,\cdots,n\} E(D′)=E(D)∪{(x0​,xi​)∣i=1,2,⋯,m}∪{(yj​,y0​)∣j=1,2,⋯,n}
  • $x_0$与$y_0$分别为附加网络$N^{\prime }$的源与汇
  • 容量函数$c^{\prime }$定义为$c^{\prime }(e)=\{\begin{array}{ll}c(e),& e\in E(D)\\ \sigma (x_i),& e=(x_0,x_i)\\ \rho (y_j),& e=(y_j,y_0)\end{array}$
• 定理：给定有供需约束网络$N=(D,X,Y,\sigma ,\rho ,c)$，其附加网络为$N^{\prime }=(D^{\prime },x_0,y_0,c^{\prime })$，则$N$中存在可行流，当且仅当$N^{\prime }$中最大流$f^{\prime }$使得：任给$1\le j\le n$，$f^{\prime }((y_j,y_0))=c^{\prime }((y_j,y_0))$
• 有供需约束网络的可行流算法
  • 输入：有供需约束的网络$N=(D,X,Y,\sigma ,\rho ,c)$
  • 输出：$N$的可行流函数$f$，或断定$N$没有可行流
  • 构造$N^{\prime }$；构造$N$的附加网络$N^{\prime }$
  • 找$N^{\prime }$最大流函数：用$2F$算法求$N^{\prime }$的最大流函数$f^{\prime }$
  • 判断上述定理：若不满足上述定理，则结束算法无可行流，否则令$f(e)=f^{\prime }(e)$，$f(e)$即为$N$的可行流，算法结束

---

网络流在连通度中的应用

• 循环：给定有向图$D=(V,E)$，$f:E\to R$是$D$上的边权函数，若$f$满足，任给$v\in V$都有${\sum }_{e\in \alpha (v)}f(e)-{\sum }_{e\in \beta (v)}f(e)=0$，则称$f$是$D$上的一个循环
• 支撑：设$f$是集合$S$上的实函数，即$f:S\to R$，则称$S$中函数值不为零的元素为对应的边子集为$f$的支撑
• 引理：设$f$是有向图$D$上非零的循环，即存在$e\in E(D)$，使得$f(e)\ne 0$，则$f$的支撑中含有一个圈(无向圈)；若$f$是非负函数，则$f$的支撑中含有一个有向圈
• 导出循环：假定$C$是有向图$D$中一个无向圈，定义$C$的方向，$e$与$C$方向一致，为正向边，否则，为反向边，正向边集合为$E(C^{+})$，反向边为$E(C^{-})$，导出循环$f_C$为$f_C(e)=\{\begin{array}{ll}1,& e\in E(C^{+})\\ -1,& e\in E(C^{-})\\ 0,& e\notin E(C)\end{array}$
• 引理：任给有向图$D$中的一个循环$f$，$f$都是一些圈导出循环的线性组合
• 引理：任给有向图$D$中的一个非负的循环$f$，$f$都是一些有向圈导出循环的线性组合。若$f$的函数值都是整数，则$f$是有向图导出循环的某个线性组合，使得该线性组合中的系数都是非负整数
  • 推论：设$N=(D,s,t,c)$为一个网络，其容量函数$c$为单位容量，$k$为正整数，则$N$存在流量为$k$得流函数等价于$k$条从$s$到$t$得$k$条无公共边得有向轨道。
• 定理：任给有向图$D$以及$D$的两个顶点$u,v$，$D$中无公共边的$uv$-有向轨道的最大数量等于最小$uv$-边割集中有向边的数量。
• 定理：任给无向图$G$以及$G$的两个顶点$u,v$，$G$中无公共边的$uv$-轨道的最大数量等于最小$uv$-边割集中边的数量。
• 一些问题
  • 有向图
    • 无公共边的有向轨道问题
    • 最小边割集问题
    • 无公共内顶的有向轨道问题
  • 方法：构造辅助有向图$D^{\prime }$
    • 给定有向图$D$，$D$的两个顶点$u,v\in V(D)$
    • 除了$u,v$之外，任给顶点 w ∈ V ( D ) − { u , v } w\in V(D)-\{u,v\} w∈V(D)−{u,v}，将$w$分成两个顶点$w^{-}$和$w^{+}$，且用一个有向边$(w^{-},w^{+})$来连接
    • 任给$D$的一条有向边$e=(x,y)$，将$e$的尾由$x$换成$x^{+}$，将$e$的头由$y$换为$y^{-}$，除非$x,y$为$u$或$v$，求$D$的无公共内定的有向轨道变为求$D^{\prime }$的无公共变得有向轨道，采用最大流算法即可。
  • 无向图
    • 无公共边的轨道问题
    • 最小边割集问题
    • 无公共内顶的轨道问题
  • 方法：构造顶点相同，无向边变双向边的有向图，转换为有向图的轨道问题，进而可以采用最大流的算法来解决