Warning: session_start(): open(/tmp/sess_c581a2c8bc3aef3ccbb450ab51773dbe, O_RDWR) failed: No space left on device (28) in /data/wiki/inc/init.php on line 239
Warning: session_start(): Failed to read session data: files (path: ) in /data/wiki/inc/init.php on line 239
Warning: Cannot modify header information - headers already sent by (output started at /data/wiki/inc/init.php:239) in /data/wiki/inc/auth.php on line 430
Warning: Cannot modify header information - headers already sent by (output started at /data/wiki/inc/init.php:239) in /data/wiki/inc/Action/Export.php on line 103
Warning: Cannot modify header information - headers already sent by (output started at /data/wiki/inc/init.php:239) in /data/wiki/inc/Action/Export.php on line 103
Warning: Cannot modify header information - headers already sent by (output started at /data/wiki/inc/init.php:239) in /data/wiki/inc/Action/Export.php on line 103
======问题概述======
对偶图可以把最小割、最大流等问题转化为普通的最短路问题,从而明显降低算法的复杂度。
======对偶图的定义======
对偶图是与平面图相伴的一种图。对于给定的平面图$G = \langle E,V \rangle$,设G的面为$F_1,F_2 ... F_e$,当图$G^*$满足如下条件时,则图$G^* = \langle E^*,V^* \rangle$称为$G$的对偶图:
1. 对$G$的任意一个面$F_i$,内部任选一点$v_i^* \in V^*$。
2. 对$F_i,F_j$的每一条公共边界$e_x$,$v_i^*$与$v_j^*$之间有一条边$e_x^*$与$e_x$交于一点。
3.当且仅当$e_x$仅是一个面$F_i$的边界时,$v_i^*$有一个自环与$e_x$相交。
例如下图中,白色的点和实线是原图点和边,黑色的点和虚线是对偶图的点和边。
{{:2020-2021:teams:hotpot:23.png?400|}}
通俗来说,对偶图就是把原来的图中的边围成的不同部分作为点,原来的图里的边两侧的部分连边,一般对偶图中的边和原图中与之相交的边权值相同。
======对偶图的应用======
很容易发现,在对偶图中经过一条边,与在原图中选择一条边相对应,所以我们发现,如果我们适当地决定起点和终点,我们就可以保证我们所走的路径是原图的一个“割”,联想到割的应用,我们发现求最小割除了最大流,还可以在对偶图上求最短路,比如下图
{{:2020-2021:teams:hotpot:120925392127378.jpg?400|}}
事实上,如果能把原图的对偶图建出并求最短路,那么时间复杂度几乎一定比最大流优秀,因为最大流的常规算法基本上都有$O(EV^2)$的复杂度,而最短路的复杂度可以达到稳定的$O(V \log V)$,但是,由于只知道图的点和边的信息是不足以建出对偶图的,所以大部分情况下我们仍然只能通过别的方法求出最小割。
======例题——BZOJ1001狼抓兔子======
=====题目大意=====
有一个$n \times m$的矩形,每个边有流量限制,问从$(1,1)$到达$(n,m)$最多有多少流量
=====解题思路=====
一眼看上去就想直接写最大流,但是由于这道题的数据范围较大,最大流算法必须要有不错的优化。又由于这道题给出的图非常规则,我们可以人工想出对偶图的样子,所以我们可以采用在对偶图上跑最短路的方式求出最小割,根据最大流最小割定理,我们得到的答案就是最大流
=====代码实现=====
自己写的太丑了,给一个[[https://blog.csdn.net/zhangche0526/article/details/71600215|博客]]。