Lecture网络流算法.pptVIP

网络流算法 高文宇 gwyy@163.com 流网络 流网络 flow network G = (V, E) 是一个有向图，它的每一条边 (u, v) ∈E 有一个非负的容量 capacity c(u, v) ≥ 0。若 (u, v) ? E，我们规定 c(u, v) = 0。在流网络中有两个特殊的节点，即源点 s 和汇点 t。 流网络的特性 设流网络 G = (V, E) 具有容量函数 c，s 为源点 t 为汇点，G中的一个流flow 是一个实函数 f : V × V → R ，且满足以下特性： Capacity constraint: For all u, v ∈ V, we require f (u, v) ≤ c(u, v). Skew symmetry: For all u, v ∈ V, we require f (u, v) = - f (v, u). Flow conservation: For all u ∈ V - {s, t}, we require: ∑f (u, v) = 0 流网络和流 求最大流：在不违背容量限制的条件下，把物质从源点传输到汇点的最大速率是多少。 求最大流的困难所在 贪心或随机的策略都可能导致先选择红色路径，则最终得到的流的大小最多为5。 多个源点和多个汇点 具有多个源点和多个汇点的网络，在这种网络中解最大流问题并不比单源点到单汇点更难。因为可以添加一个超级源点s，和超级汇点t。 引理26.1 引理26.1： 设G = (V, E)是一个流网络，f 是G中的一个流，则有下列的等式成立： 1. For all X ? V, we have f(X, X) = 0. 2. For all X, Y ? V, we have f(X, Y) = - f (Y, X). 3. For all X, Y, Z ? V with X ∩ Y = ?, we have the sums f(X∪Y, Z) =f(X, Z) + f(Y, Z) and f(Z, X∪Y) = f (Z, X) + f(Z, Y). 思考题 26.1-8，最大流与线性规划 26.1-9， Ford-Fulkerson方法 残留网络(Residual network)，残留容量： 残留容量cf (u, v) = c (u, v) - f (u, v) . 提供了一种途径，允许对所做选择进行“后悔”处理。 给定一个流网络G = (V, E) 和流 f，由f诱导的G的残留网络是Gf = (V, Ef), ，其中：Ef = {(u, v) ∈ V × V : cf(u, v) 0} 。即，在残留网络中，每条边都容纳一个大于0的网络流。 增广路径 增广路径（Augmenting path） 给定流网络 G = (V, E) 和一个流 f，增广路径 p 是残留网络Gf 中一条从 s 到 t 的简单路径。 称能够沿一条增广路径 p的每条边传输的网络流的最大量为p的残留容量，定义如下： cf (p) = min {cf(u, v) : (u, v) is on p}. Corollary 26.4 ：Let G = (V, E) be a flow network, let f be a flow in G, and let p be an augmenting path in Gf. Let fp be defined as in equation (26.6). Define a function f : V × V → R by f = f + fp. Then f is a flow in G with value |f| = |f| + |fp| |f|. 流网络的割 Ford-Fulkerson方法沿增广路径反复增加流，直至找出最大流为止。一个流是最大流，当且仅当它的残留网络中不包含增广路径。 流网络的割（Cut）：流网络G = (V, E)的割cut (S, T)将V划分为S 和T = V - S ，使得 s ∈ S ，t ∈ T。如果f 流，则穿过 (S, T) 的净流定义为f(S, T)，割(S, T) 的容量为c(S, T)。一个网络的最小割就是网络中所有割中具有最小容量的割。 Figure 26.4 shows the cut ({s, v1, v2}, {v3, v4, t}) in the flow network of Figure 26.1(b). The net flow across this cut is，f(v1, v3) + f(v2, v3) + f(v2, v4)=12 + (-4) + 11?=19, and its capacity is,