《算法导论3rd第二十六章》最大流

前言

最短路径解决的是一个成本问题。而生活中一些问题需要考虑更多的因素，如通讯中的“带宽”；物流中的“路宽”…。我们把这类问题，归结为“网络流” 问题。 即如 容量限制。即把这物流方面的问题，称为“流网络”。网络流，它分为两部分：网络和流。

• 网络，其实就是一张有向图，其上的边权称为容量。额外地，它拥有一个源点和汇点。
• 流，顾名思义，就像水流或电流，也具有它们的性质。如果把网络想象成一个自来水管道网络，那流就是其中流动的水。每条边上的流不能超过它的容量，并且对于除了源点和汇点外的所有点（即中继点），流入的流量都等于流出的流量。

网络流

一个带权有向图 $G=(V,E)$，其中 V是图中所有点的集合， E是所有边的集合，且每一条边都有其流量上限。

这个带权有向图中有两个特殊的点：源（source）节点 s 和汇（sink）节点 t，且这两个点满足$s,t\in V,s\ne t$。从 s 到 t 的流函数 f将这个有向图中的每条边 e 映射到一个非负实数，即 f(e) 表示边 e所承载的流量。

作为流网络，这个带权有向图需要满足两个条件：

• 容量条件，流网络中任意边上的流量不超过流网络的容量，即对于任意边 $e\in E$ ，有$0⪯f(e)\le c_e$
• 守恒条件，对于非源节点和汇节点的任意内部节点 e ，流入该结点的流量之和等于流出该结点的流量之和，即 ${\sum }_{in}^{}f(e)={\sum }_{out}^{}f(e)$

最大流问题就是求解源节点和汇节点之间的最大流量

反平行边的问题

多个源点和多个汇点的网络

Ford-Fulkersion方法

之所以称其为“方法”，而不是“算法”。是因为它包含了几种运行时间各不相同的具体实现。Ford-Fulkersion方法主要依赖于三种重要的思想：残存网络，增广路径和切割。

残存网络

对于给定流 f，$G_f$是流网络 $G=(V,E)$中所有结点和残存容量$c_f$大于0的边所构成的子图，即:
$$c_f(u,v)=c(u,v)-f(u,v)$$
G f = ( V f = V , E f = { ( u , v ) ∈ E : c f ( u , v ) > 0 } G_f = (V_f = V, E_f = \{(u,v) \in E : c_f(u,v) \gt 0 \} Gf​=(Vf​=V,Ef​={(u,v)∈E:cf​(u,v)>0}

残存容量$c_f$, 表示的是这条边容量与流量的**差值.**即此边还可以通行的流量

需要注意的是，残存网络$G_f$还可能包含图 G中不存在的边。算法对流量进行操作的目标是增加总流量，为此，算法可能对某些特定边上流量进行缩减。为了表示对一个正流量 $f(u,v)$的缩减，我们将边 $(u,v)$加入到图 $G_f$中，并将其残存容量设置为 $c_f(v,u)=f(u,v)$。也就是说，一条边所能允许的反向流量最多将其正向流量抵消。

也就是，对于一个流网络 $G=(V,E)$，设f为图 G中的一个流，考虑对于结点对$u,v\in E$，残存容量 $c_f(u,v)$的值为下列三种情况之一：

$$c_f(u,v)=\{\begin{array}{ll}c(u,v)-f(u,v)& \text{if }(u,v)\in E\\ f(v,u)& \text{if }(v,u)\in E\\ 0& \text{other }\end{array}$$

举个例子，下图中，a 为流网络G，b 为流网络上G的一个流 f，c 为f引导出的残存网络 $G_f$。

以图中$(s,v_1)$这条边为例，

1. 流网络G中该边的容量为16，
2. 在流f中该边的流为 11，则还可以对$f(s,v_1)$ 增加的量最大为 5，再多就将超过边 $(s,v_1)$的容量限制。
3. 同时,从结点$v_1$向结点s最多可以返回 11个单位的流量，也就是从s到$v_1$最多可以缩减11 个单位，因此，$c_f(v,u)=11$

增广路径

给定流网络 $G=(V,E)$和流 f ，增广路径 p 是残存网络$G_f$中从源结点s到汇点 t到简单路径。根据残存网络到定义，对于一条增广路径上的边 $(u,v)$，我们可以增加其流量的幅度最大为$c_f(u,v)$，而不会违反原始流网络G中对边$(u,v)$或$(v,u)$的容量限制。

增广路径p 上能够为每条边增加的流量的最大值为增广路径p 的残存容量，即：
c f ( p ) = m i n { c f ( u , v ) : ( u , v ) ∈ P } c_f(p) = min\{c_f(u,v):(u,v) \in P \} cf​(p)=min{cf​(u,v):(u,v)∈P}

流网络的切割

流网络 $G=(V,E)$中的一个切割 $(S,T)$ 将结点集合V 划分为 S 和 T= V-S两个集合，使得 $s\in S，t\in T$。

• 净流量：若f是一个流，则定义横跨切割 $(S,T)$ 的净流量$f(S,T)$为：$$f(S,T)=\sum _{u\in S}\sum _{v\in T}f(u,v)-\sum _{u\in S}\sum _{v\in T}f(v,u)$$

• 割的容量：切割$(S,T)$的容量为所有从S到 T 的边的容量之和，即：
  $$c(S,T)=\sum _{u\in S}\sum _{v\in T}c(u,v)$$

• 最小切割：整个网络中容量 $c(S,T)$最小的切割。

上图表示流网络的一个切割 ( { s , v 1 , v 4 } , { v 2 , v 3 , t } ) (\{s, v_1, v_4 \},\{ v_2, v_3, t \}) ({s,v1​,v4​},{v2​,v3​,t}):

• 净流量:$f(v_1,v_2)+f(v_4,v_3)-f(v_2,v_4)=12+11-4=9$
• 割的容量:$c(v_1,v_2)+c(v_4,v_3)=12+14=26$

最大流最小割定理

设 f是流网络$G=(V,E)$中的一个流，该流网络的源结点为 s ，汇点为 t，则下面的条件是等价的：

1. f 是 G 的一个最大流。
2. 残存网络 $G_f$不包括任何增广路径。
3. 净流量$|f|=c(S,T)$，其中 $(S,T)$是流网络G的某个切割。

基本的Ford-Fulkerson的实现

在Ford-Fulkerson方法的每次迭代中，寻找某条增广路径p，然后使用p 来对流 f来进行修改，从而获得一个值为$|f|+|f_p|$ 的更大的流。

我们为每条边 $(u,v)\in E$, 容量为$c(u,v)$， 更新流属性 $(u,v).f$ 来计算流网络$G=(V,E)$中的最大流。

• 如果边 $(u,v)\notin E$，则设 $(u,v).f=0$。
• 如果边$(u,v)\notin E$，则 $c(u,v)=0$。

根据上述公式计算残存容量 $c_f(u,v)$。

FORD-FULKERSON(G, s, t)
  for each edge(u,v) in G.E
    (u, v).f = 0
  while there exit a path p from s to t in the residual network Gf
    cf(p) = min{cf(u,v) : (u,v) is in p}
    for each edge(u,v) in p
      if(u,v) in G.E
        (u,v).f = (u,v).f + cf(p)
      else (u,v).f = (v,u).f - cf(p)

算法重复在残存网络$G_f$中寻找一条增广路径 p ，然后使用残存容量$c_f(p)$来对路径 p上的流 f进行增加。路径p上的每条残存边要么是原来网络中的一条边，要么是原来网络中的一条反向边。算法根据这两种情况进行相应的更新：如果是原来网络中的一条边，则增加流，否则缩减流。当不在有增广路径时，流f 就是最大流。

最大二分匹配

在一群人中，有一些人可以俩俩友好的共住一个房间，在什么条件下，可以将所有这群人俩俩配对，安排它们共住一套房屋呢？类似问题在生活中很常见，比如如说男女配对问题。

图表示

图 $G=(V,E)$ 的一个 匹配 是由一组没有公共端点的不是圈的边构成的集合。换句话说，也就是，一组俩俩没有公共结点的边集称为图 G 的匹配。可以看出匹配是图边E的一个子集 $M\subseteq E$。其中匹配中的边称为 匹配边，反之称为 未匹配边。

二分图中，结点集合可以划分为 $V=L\cup R$，其中 L 和 R是不相交的，并且边的集合 E中所有边都横跨 L 和 R。

一个匹配是由若干条边构成，故其大小就是边的数量（$|M|$）。最大匹配顾名思义就是大小最大的匹配。

寻找最大二分匹配

将二分图 $G=(V,E)$ 转为对应的流网络$G^{\prime }=(V^{\prime },E^{\prime })$，给 $E^{\prime }$ 中的每条边赋予单位容量。

二分图 G 的一个最大匹配对应于流网络 $G^{\prime }$中的一个最大流，因此可以通过在对应流网络 $G^{\prime }$上运行一个最大流算法(EK)来计算图G的最大匹配。

主要参考

《流网络，流和增广路算法基础》
《详解最大流问题和Ford-Fulkerson算法》
《最大二分匹配》
《Maximum Flow》