网络流相关定理与模型

模型

最小割

定义

定义一个有向图 $G=(V,E)$，的割为一种点的划分方式：将所有的点划分为 $S$ 和 $T=V\backslash S$ 两个集合，其中源点 $s\in S$，汇点 $t\in T$，割的容量为 $c(S,T)=\sum _{u\in S,v\in T}c(u,v)$，最小割即 $c(S,T{)}_{\min }$。

算法

我们只要跑一遍最大流，即为最小割。

证明

见「最大流最小割定理」证明。

最大权闭合子图

定义

定义一个有向图 $G=(V,E)$ 的闭合子图 $G^{\prime }=(V^{\prime },E^{\prime })$，满足对于 $\forall (u,v)\in E$，若 $u\in V^{\prime }$，则 $(u,v)\in E^{\prime },v\in V^{\prime }$。

最大权闭合子图即为对每个节点赋权值 $val$，所得到的最大 $\sum _{p\in V^{\prime }}va{l}_p$。

算法

我们构造超级源点 $s$ 和汇点 $t$：

• 对于 $va{l}_u>0$，在新图上连边 $(s,u,va{l}_u)$。
• 对于 $va{l}_u\le 0$，在新图上连边 $(v,t,-va{l}_v)$。
• 对于 $(u,v)\in E$，在新图上连边 $(u,v,+\infty )$。

所有正权值之和减最小割即是答案。

证明

感性证明一下，首先对于原图中的边 $(u,v,+\infty )$ 不可能在最小割里面，然后我们令若 $(s,u,va{l}_u)$ 选到了最小割集，就代表不选 $u$；若 $(u,t,-va{l}_u)$ 选到了最小割集，就代表选 $u$。选出来的图必定是闭合子图，因为对于一个没选的正权点 $u$，因为原图除去割集不联通，所以 $u$ 的所有负权后继与 $t$ 之间的边必然在割集内，也就是已经选到了最终权值中。

那怎么保证最大呢？最小割保证损失节点权值（定义为负）和与负权权值之和最小，自然闭合子图总权值最大。

最大密度子图

定义

定义一个图 $G=(V,E)$ 的密度为 $\frac{|E|}{|V|}$，则对于一个图 $G=(V,E)$，选出其一个子图 $G^{\prime }=(V^{\prime },E^{\prime })$，使得密度最大，该图就是最大密度子图。

算法 1

我们考虑 0/1 分数规划，二分答案为 $g$，判断 $\frac{|E^{\prime }|}{|V^{\prime }|}\ge g$，即 $|E^{\prime }|-g|V^{\prime }|\ge 0$，于是我们只需要求 max ⁡ { ∣ E ′ ∣ − g ∣ V ′ ∣ } \max\{|E'|-g|V'|\} max{∣E′∣−g∣V′∣} 即可。这里注意二分范围为 $\left[\frac{1}{n},m\right]$，$ϵ=\frac{1}{n^2}$，即最小子图密度之差为 $\frac{1}{n^2}$。

然后又有选了边 $(u,v)$ 又一定要选点 $u,v$ 的限制，考虑最大权闭合子图的做法，建立超级源点 $s$ 和汇点 $t$：

• 对于表示边的点 $u$，在新图上连边 $(s,u,1)$。
• 对于表示点的点 $u$，在新图上连边 $(u,t,g)$。
• 对于 $(u,v)\in$，在新图上连边 $(u,v,+\infty )$。

跑一遍最小割，令 $m\ge n$，二分次数为 $\log T\approx \log nm$，时间复杂度即为 $\mathcal{O}(m^3\log T)$。

证明 1

算法正确性显然，唯一需要注意点的是，最终答案不可能会出现只选表示点的点而不选与之相连的边，因为最优答案一定是原图的导出子图。

算法 2

证明 1 中说明了最终答案一定是一个导出子图，于是我们尝试在原图中找出最小割，割出一个导出子图。

首先按照算法一做一遍 0/1 分数规划，再将 max ⁡ { ∣ E ′ ∣ − g ∣ V ′ ∣ } \max\{|E'|-g|V'|\} max{∣E′∣−g∣V′∣} 转化为 min ⁡ { g ∣ V ′ ∣ − ∣ E ′ ∣ } \min\{g|V'|-|E'|\} min{g∣V′∣−∣E′∣}，便于最小割，然后我们化一下式子：

$\begin{array}{rl}g|V^{\prime }|-|E^{\prime }|=& \sum _{u\in V^{\prime }}g-\left(\frac{\sum _{u\in V^{\prime }}de{g}_u-c(V^{\prime },\overline{V^{\prime }})}{2}\right)\\ =& \frac{1}{2}\left(\sum _{u\in V^{\prime }}(2g-de{g}_u)+c(S,T)\right)\end{array}$

然后呢他有个神仙建图，从后往前推我不会，就先讲建图：

• 对于原图中的点 $u\in V$，在新图上连边 $(s,u,\Delta ),(u,t,2g-de{g}_u+\Delta )$。
• 对于 $(u,v)\in E$，在新图上建边 $(u,v,1)$。

最后求最小割，关系式为 $|E^{\prime }|-g|V^{\prime }|=\frac{n\Delta -c(S,T)}{2}$，我们发现 $c(S,T)$ 和 $|E^{\prime }|-g|V^{\prime }|$ 是线性关系的，这就说明了最小割正确性，这个关系式在下面给出证明。其中 $\Delta$ 为偏移量，为了使边权非负，一般取 $\Delta =n$。

令 $m\ge n$，二分次数为 $\log T\approx \log nm$，时间复杂度即为 $\mathcal{O}(n^{2}m\log T)$。

证明 2

我们尝试推出 $c(S,T)$ 的本质，令 V ′ = S   \   { s } , V ′ ‾ = T   \   { t } V'=S\ \backslash\ \{s\}, \overline{V'}=T\ \backslash\ \{t\} V′=S \ {s},V′=T \ {t}。

$\begin{array}{rl}c(S,T)& =\sum _{v\in \overline{V^{\prime }}}\Delta +\sum _{u\in V^{\prime }}(2g-de{g}_u+\Delta )+\sum _{u\in V^{\prime }}\sum _{v\in \overline{V^{\prime }}}c(u,v)\\ & =\sum _{v\in \overline{V^{\prime }}}\Delta +\sum _{u\in V^{\prime }}\left(2g+\Delta -\left(de{g}_u-\sum _{v\in \overline{V^{\prime }}}c(u,v)\right)\right)\\ & =\sum _{v\in \overline{V^{\prime }}}\Delta +\sum _{u\in V^{\prime }}\left(2g+\Delta -\sum _{u\in V^{\prime }}c(u,v)\right)\\ & =n\Delta +2g|V^{\prime }|-2|E^{\prime }|\end{array}$

然后移个项就得到了 $|E^{\prime }|-g|V^{\prime }|=\frac{n\Delta -c(S,T)}{2}$。

DAG 最小不相交 / 可相交路径覆盖

定义

在一个有向无环图中选出若干条不相交的路径，使得每个点都属于一条路径，这种方案称为不相交路径覆盖，最小路径覆盖即为路径数最小的方案。

同理，在一个有向无环图中选出若干条路径，使得每个点都至少属于一条路径，这种方案称为可相交路径覆盖，最小可相交覆盖即为路径条数最小的方案。

算法

• 不相交路径

对于每个点 $u\in V$，拆成入点 $u^{\prime }$ 和出点 $u$，对于原图中 $(u,v)\in E$，在新图中建边 $(u,v^{\prime },1)$，最终答案为总点数减去二分图 $G=(X,Y,E)$ 的最大匹配，其中出点集合为 $X$，入点集合为 $Y$，时间复杂度 $\mathcal{O}(m\sqrt{n})$。

• 可相交路径

我们发现链可以相交，尝试着转化为链不相交的做法。

我们对原图做一次传递闭包，这样路径就可以跳着走，也就是如果两条链相交，可以选择一条链跳过相交点，这样就转化为了不相交做法。然后其实最终的方案可以和可相交路径方案对应的。时间复杂度 $\mathcal{O}(n^2(\frac{n}{\omega }+\sqrt{n}))$。

证明

• 不相交路径

对于没有边的原图，答案显然是 $|V|$。而在新图中的每一条边 $(u,v^{\prime })$，都代表原图中的路径合并，且因为求的是最大匹配，所以路径一定合法。于是答案就为点数减合并最大次数。

• 可相交路径

显然。

定理

最大流最小割定理

最大流等于最小割。

证明方式

显然对于任意割一定大于等于任意流，特别的，有 $|f{|}_{\max }\le c(S,T{)}_{\min }$。

然后对于任意割 $c(S,T)=|f|$ 的情况，$f$ 此时一定是最大流，因为割的容量等于割的流量，相当于原图中已经没有增广路径，即最大流。又因 $|f{|}_{\max }\le c(S,T{)}_{\min }\le c(S,T)=|f{|}_{\max }$，即可得 $|f{|}_{\max }=c(S,T{)}_{\min }$。

Kőnig 定理

二分图最小点覆盖为最大匹配。

证明方式 1

我们考虑一个不存在增广路的最大匹配 $M$，并如下对点做标记：每次从一个未被匹配的左部点走交错路径，即从左往右走未匹配边，从右往左走匹配边，走过的所有点都打上标记。

其中对于所有未标记的左部点和标记的右部点为最小点覆盖集 $C$，我们将分两步证明。

点覆盖集合法

• 对于一条匹配边，一定是右端点先被标记，然后遍历左端点被标记，所以一条匹配边刚好有一个点属于点覆盖集。

• 对于一条未匹配边，必然至少有一个点属于点覆盖集，否则其左部点已被标记而右部点未被标记，显然这是不符合的。

点覆盖集最小

首先肯定有 $|C|\ge |M|$，因为每个匹配边至少需要一个单独的覆盖点。

然后证明 $|C|=|M|$：

• 对于右部被标记的点，必然被匹配，否则可以和左部过来的点匹配。

• 对于左部未被标记的点，必然被匹配，特殊情况为孤立点，此时交错路径退化为单点。

以上证明了如此构造点集一一对应匹配边，且为最小点覆盖集。

证明方式 2

考虑转化成最小割形式，令左部点集合为 $X$，右部点集合为 $Y$，则有 $(s,u,1),u\in L$，$(u,t,1),u\in R$，$(u,v,+\infty ),u\in L,v\in R$。若得到最小割 $c(S,T{)}_{\min }$，这个最小割的容量即为 $|X\cap T|+|Y\cap S|$，因为不存在 $(u,v),u\in S,v\in T$ 被割。

于是我们构造点覆盖集合 $P=|X\cap T|\cup |Y\cap S|$，则所有 $(u,v),u\in S,v\in T$ 中 $u,v$ 至少有一个在 $P$ 中，否则不构成割集。所以最小割为最小点覆盖，又因最大匹配为最大流，最大流等于最小割，所以最小点覆盖为最大匹配。

霍尔定理

对于二分图 $G=(X,Y,E)$，$\forall S\subseteq X,|S|\le N(S)\iff$ 二分图具有完美匹配，当然，$|X|=|Y|$。

首先如果有完美匹配，必然有 $\forall S\subseteq X,|S|\le N(S)$，剩下的有两种方式证明：

证明方式 1

首先原图没有完美匹配但是满足以上条件，我们在左部图 $X$ 找到一个未被匹配的点，因为满足条件，所以右部与之相邻的点至少有一个且全部都一定被匹配，否则必定有更大的匹配。于是我们随便走到一个已经匹配的右部点，然后再走到相对应匹配的左部点，然后再随便找一个未走过的左部点，因为满足假设，我们最终一定停留在右部点。于是我们找到了一条增广路，不符合最大匹配。

证明方式 2

和 Kőnig 定理证明一样，如下连边：令左部点集合为 $X$，右部点集合为 $Y$，则有 $(s,u,1),u\in L$，$(u,t,1),u\in R$，$(u,v,+\infty ),u\in L,v\in R$，并得到最小割 $c(S,T{)}_{\min }$。

我们假设满足 $\forall S\subseteq X,|S|\le N(S)$ 而二分图不具有完美匹配，则最大匹配 $|M|<|X|$，同时最小割 $c(S,T{)}_{\min }<|X|$。我们令 $L_1=S\cap X$，$L_2=X\backslash L_1$，$R_1=N(L_1)\cap Y$，则由 $L_2\cap R_1$ 一定在割集内，又因假设满足，所以有 $|L_1|\le |R_1|$。得到关系式 $c(S,T{)}_{\min }\ge |L_2\cap R_1|\ge |L_2\cap L_1|=|X|$，与假设矛盾，得证。

二分图 Vizing 定理

对于二分图 $G=(X,Y,E)$，对每一条边染色，使得每个点所连的边颜色各不相同，若满足条件的最小颜色数为 ${\chi }^{\prime }(G)$，点的最大度数为 $\Delta (G)=\underset{u\in V}{\max }de{g}_u$，则有 ${\chi }^{\prime }(G)=\Delta (G)$。

证明

考虑构造性证明。令颜色集合为 { 1 , 2 , … , Δ ( G ) } \{1,2,\dots, \Delta(G)\} {1,2,…,Δ(G)}，对于每个点 $u$ 所连的边中，未被染的最小颜色编号为 $C_u$。

我们依次加入每一条边 $(u,v)$：

• 对于 $C_u=C_v$，将边 $(u,v)$ 染成 $C_u$ 颜色。
• 对于 $C_u\ne C_v$，令 $C_u<C_v$，则我们从 $v$ 开始找到一条增广路，颜色为交替 $C_u,C_v,C_u,\dots$，将整条路颜色翻转，并将 $(u,v)$ 染成 $C_u$ 颜色。

得证。

Dilworth 定理

在有向无环图中，最长反链等于最小链覆盖；其对偶定理为最长链等于最小反链覆盖。

注意：链不一定要连续，即链不等于路径。

证明

对于原图，我们对其进行传递闭包，和求最小可相交路径覆盖一样，对于每个点 $u\in V$，拆成入点 $u^{\prime }$ 和出点 $u$，对于原图中 $(u,v)\in E$，在新图中建边 $(u,v^{\prime },1)$，最小链覆盖即为总点数减最大匹配。

还有一个结论：原图最长反链为最大独立集，以下证明：

对于原图中的任意一个点 $u$，在新图中 $u$ 和 $u^{\prime }$ 中必然至少有一个点在最大独立集中，否则必然存在 $(a,u^{\prime })$ 和 $(u,b)$ 两条边，使得 $a,b$ 都在最大独立集内，但如此原图便存在 $(a,b)$，故不成立，所以最大独立集满足对于每个点在新图中的入点和出点尽可能多。显然对于这些点可以形成一组反链，因为最大独立集保证没有前驱和后继与原点相连，且这组反链可以和原图对应。

然后因为由「其他定理 1」可得二分图最大匹配 = 最大独立集补集，所以最小链覆盖等于最长反链。

其他定理

• 二分图最小点覆盖 = 最大独立集补集

我们发现点覆盖 $C$ 和独立集 $I$ 的定义恰好相反，即 $\forall (u,v)\in E,u\in C\vee v\in C$ 和 $\nexists (u,v)\in E,u\in I\wedge v\in I$。所以最大独立集的补集，就保证了每条边都被覆盖，得证。

根据 Kőnig 定理，可得二分图最大匹配 = 最小点覆盖 = 最大独立集补集。

• 二分图最小边覆盖 = 点数减最大匹配

很显然，对于最小边覆盖，我们希望一条边覆盖两个点的边数越多越好，即匹配数最大，于是最后总点数减去覆盖两个点的边即为最小边覆盖。

• 最大团 = 补图最大独立集

最大独立集两两之间没有边，补图则两两之间有边，则为团。

原文链接：https://blog.csdn.net/zack_zhoukuan/article/details/132543845?spm=1001.2014.3001.5501