“定理为 Ford–Fulkerson、Dinic 与 Push–Relabel 提供最优性依据,也用于 Menger 定理、项目选择和图像分割。流分解解释可行流由哪些路径和环组成,但仅有分解…”
形式陈述
设
构造证明在正流支撑图中进行。流值为正时从
直觉
边流记录汇总通过量,分解则把它追踪成若干批货物的完整路线。内部有向环可以携带流,却既不从源带出新货物,也不向汇增加净值;所以流值只由源汇路径系数之和决定。
这里采用有向弧记录上的路径与环:自环是长度一的有向环,反向原弧可组成长度二的有向环,平行弧各有身份。它们是守恒约束的原子形态。沿正支撑抽取而不是在原图任意选路,保证每次相减后所有边流仍非负。
例子与边界
若
同一流的分解通常不唯一:当正支撑中多条路径共享边时,先抽哪条会改变后续组件。定理保证存在稀疏分解,不提供唯一的“每单位流实际走过的路线”。
源汇约定保证抽取路径时方向一致。若沿用最大流页允许流入源、流出汇的更一般可行域,仅在
最大流也可能叠加正环流;最大性只约束源汇净值,不自动删除循环。无向网络若用一对反向弧表示,分解前需先固定有向流约定并消去同边双向抵消,否则“环”可能只是表示冗余。
推论与应用
对没有指定终端的纯环流,可添两个孤立顶点作为
流分解把边变量模型与路径变量模型连接起来,用于多商品流、路径采样、运输解释和积分流证书。它也说明任何正值可行流都至少包含一条正流源汇路径。
组件数界来自每轮消去一条正边,而不是路径数量单独总小于
参考资料
- Ravindra K. Ahuja, Thomas L. Magnanti, and James B. Orlin, Network Flows, Prentice Hall, 1993, §3.5.
- Alexander Schrijver, Combinatorial Optimization, Springer, 2003, Ch. 10.
- Ankur Moitra,MIT 6.854/18.415 Advanced Algorithms,2016,Lecture 7, §2.1–2.2:源汇流约定与逐条消去正支撑的分解证明。