网络优化-第7章 最小费用流问题.ppt

7.3.2原始-对偶算法 ,例 x的流值达到4 得到最小费用流 最大流流值为2, 增广 N0(x) (1,0) (1,0) (2,0) (2,0) (1,2) (1,0) (1,0) (1,2) 7.3.2原始-对偶算法 – 复杂性分析 算法每次循环迭代修改弧上的流值和节点上的势各一次. 由于流值不可能超过nU, 且任何节点上的势不可能低于-nC, 因此总迭代次数不会超过min{nU,nC}. 记求解非负弧长网络的最短路算法的复杂度为S(n，m，C), 最大流算法的复杂度为M(n，m，U) 本算法复杂度为O(min{nU,nC}[S(n，m，nC)+ M(n，m，U)] ) 这一算法仍然不是多项式时间算法 与最小费用路算法相比, 可能会以每次迭代调用一次最大流算法为代价, 希望减少一些迭代次数. 布 置 作 业 目的 掌握最小费用流问题的基本概念和建模方法； 掌握消圈算法与最小费用路算法及其复杂度； 掌握原始-对偶算法的基本思想。 内容 《网络优化》第245-251页 3；6；15；（第1讲） 思考 4； 5； （不交） 网 络 优 化 Network Optimization /netopt 清华大学数学科学系 谢金星 办公室：理科楼2206# （电话 Email:jxie@ /~jxie 清华大学课号研） 第7章 最小费用流问题 (Minimum Cost Flow Problem) 第2讲 (Out-Of-Kilter Algorithm) 瑕疵算法(也翻译为“状态算法”)在迭代过程中则对这些条件更为放宽: 只要求满足节点上的流量守恒条件, 而不要求x为伪流(即可能不满足容量约束), 并且也不一定保持互补松弛条件. 最小费用路算法和原始-对偶算法的特点 : 对偶变量?为对偶问题的可行解, 并始终保持互补松弛条件； 但原始变量x在算法终止前通常不是原问题的可行解 （即只是伪流，而不一定满足节点上的流量守恒条件, 即不是流值为v的可行流）. 7.4瑕疵算法 (Out-Of-Kilter Algorithm) 想一想,非循环流的情况是否都可以转化为循环流的情况? 算法的思想： 通过一定步骤, 使非最优的“程度”不断降低，最后达到最优. 可以认为, 瑕疵算法是原始-对偶算法的一种变形. 瑕疵算法的考察对象： 循环流(Circulation) ：流值为0的可行流（没有所谓源点和汇点, 网络中的所有节点都是转运点） 网络中容量下限 L 不一定为0； 7.4瑕疵算法 - Kilter条件 7.4瑕疵算法 L?0 L=0 最小费用循环流模型 当 0 时 ， = 0； (7.19’) 当 0 时， = ； (7.20’) 当 时， = 0. (7.21’) 当 0 时 ， = ； (7.23) 当 0 时， = ； (7.24) 当 时， = 0. (7.25) 互补松弛条件 Kilter条件（或译为瑕疵条件、状态条件等） 满足该条件的弧为无瑕的(In-Kilter), 否则称为有瑕的(Out-Of-Kilter). - Kilter图;Kilter数 7.4瑕疵算法 如果所有弧都是无瑕的, 则得到了原问题的最优解. 定义7.4 对于每条弧(i,j), 我们定义其Kilter数（瑕疵数、状态数）为将流量xij修正为满足Kilter条件所需要修改的量(假设保持节点上的势不变), 记为K (xij)或kij, 即 Kilter图（瑕疵图、状态图等） 当 0 时 ， = ； (7.23) 当 0 时， = ； (7.24) 当 时， = 0. (7.25) -残量网络 7.4瑕疵算法 当xijlij时, 则(i,j)?N(x), uij(x)=lij-xij, cij(x)=cij 当 xijuij 时, 则(j,i)?N(x), uji(x)=xij -uij, cji(x)= - cij. 瑕疵算法仍然是在残量网络上对弧上的流量进行操作; 由于流不一定满足容量约束, 需定义这时残量网络的构造方法: 把原