مسئله کم‌هزینه‌ترین جریان

مسئله کم‌هزینه‌ترین جریان، پیدا کردن کم‌هزینه‌ترین راه فرستادن میزان مشخصی از جریان درون یک شبکه شاره است. حل این مسئله در زندگی روزمره کاربردهایی دارد از جمله شبکه‌های هزینه‌دار (مانند شبکه‌های مخابراتی) و هم‌چنین در مواردی که تناسب آن با مسئله خیلی مشهود نیست، مانند تعیین محل قرارگیری انبارها.

تعریف

یک شبکه شاره داریم که آن را با گراف جهت‌دار $G=(V,E)$ با مبدا $s\in V$ و مقصد $t\in V$ که در آن یال $(u,v)\in E$ دارای ظرفیت $c(u,v)>0$، جریان $f(u,v)\ge 0$ و هزینه $a(u,v)$ می‌باشد، نشان می دهیم (اکثر الگوریتم‌های کم‌هزینه‌ترین جریان یال با هزینه منفی را پشتیبانی می‌کنند.) هزینه فرستادن این جریان $f(u,v)\cdot a(u,v)$ است. شما باید جریان $d$ را از s به t بفرستید.

تعریف مسئله کمینه کردن هزینه کل جریان است:

$\sum _{(u,v)\in E}a(u,v)\cdot f(u,v)$

با شرط‌های زیر:

محدودیت ظرفیت:	$f(u,v)\le c(u,v)$
تقارن یک‌سویه:	$f(u,v)=-f(v,u)$
بقای جریان:	$\sum _{w\in V}f(u,w)=0\text{ for all }u\ne s,t$
جریان خواسته‌شده:	$\sum _{w\in V}f(s,w)=d\text{ and }\sum _{w\in V}f(w,t)=d$

ارتباط با مسئله‌های دیگر

حالت دیگری از این مسئله پیدا کردن جریان بیشینه‌ای است که بین جریان‌های بیشینه کم‌ترین هزینه را دارد که می‌توان آن را مسئله کم‌هزینه‌ترین بیشینه جریان نامید. این حالت در پیدا کردن کم‌هزینه‌ترین تطابق بیشینه کاربرد دارد.

در بعضی راه‌حل‌ها پیدا کردن کم‌هزینه‌ترین بیشینه جریان ساده است. در غیر این صورت، می‌توان از جستجوی دودویی روی $d$ استفاده کرد.

می‌توان از مسئله کم‌هزینه‌ترین گردش در حل این مسئله استفاده کرد. این کار با صفر قرار دادن کران پایین همه‌ی یال‌ها، اضافه کردن یک یال از مقصد $t$ به مبدا $s$ با ظرفیت $c(t,s)=d$ و کران پایین $l(t,s)=d$ و قرار دادن کل جریان برابر $d$ انجام می‌شود.

دو مسئله زیر حالات خاص این مسئله به شمار می آیند:

• اگر محدودیت ظرفیت برداشته شود، به مسئله یافتن کوتاه‌ترین مسیر تبدیل می‌شود.
• اگر همه هزینه‌ها صفر باشند، به مسئله بیشینه جریان تبدیل می‌شود.

راه‌حل‌ها

از آنجایی که ما تابعی خطی را بهینه میکنیم و تمام شروط خطی اند، این مسئله با استفاده از برنامه‌ریزی خطی قابل حل است.

علاوه بر آن الگوریتم‌های ترکیبیاتی مختلفی نیز وجود دارند، برای بررسی جامع تر، الگو:Ref را ببینید. تعدادی از آن‌ها تعمیم الگوریتم بیشینه جریان هستند، بقیه روش‌های کاملاً متفاوتی استفاده میکنند.

الگوریتم‌های اساسی شناخته شده (حالت‌های زیادی دارند):

• Cycle canceling یک روش کلی اولیهالگو:Ref
• Minimum mean cycle canceling یک الگوریتم ساده قویا چندجمله‌ایالگو:Ref
• Successive shortest path and capacity scaling روش‌های دوگانه که می‌توان آن‌ها را به عنوان تعمیم‌های الگوریتم فورد–فالکرسون در نظر گرفت.الگو:Ref
• Cost scaling یک روش اولیه-دوگانه، که حالت کلی الگوریتم ارسال-برچسب است.الگو:Ref
• Network simplex حالت خاص برنامه‌ریزی خطی غیر مرکب است که در زمان چندجمله‌ای اجرا می‌شود.الگو:Ref
• الگوریتم Out-of-kilter توسط D.R.Fulkerson

کاربرد

کم وزن ترین تطابق بیشینه دو بخشی

کاهش مسئله کم وزن ترین تطابق بیشینه دو بخشی به مسئله کم هزینه ترین بیشینه جریان

در گراف دو بخشی $G=(A\cup B,E)$، میخواهیم تطابق بیشینه با کمترین هزینه را بیابیم. w: E → R را تابع وزن یال‌های گراف در نظر بگیرید. هدف از مسئله کم وزن‌ترین تطابق بیشینه دو بخشی یا مسئله تخصیص، پیدا کردن یک تطابق کامل M ⊆ E است که مجموع وزن‌هایش کمینه باشد. میخواهیم این مسئله را به یک مسئله شبکه شاره کاهش دهیم.

$G^{\prime }=(V^{\prime }=A\cup B,E^{\prime }=E)$ را در نظر بگیرید. ظرفیت تمام یال‌های $E^{\prime }$ را 1 بگذارید. رأس مبدا $s$ را اضافه کرده و به تمام رئوس $A^{\prime }$ متصل میکنیم و رأس مقصد $t$ را اضافه کرده و تمام رئوس $B^{\prime }$ را به آن متصل میکنیم. ظرفیت تمام یال‌های جدید را یک و هزینه آن‌ها را صفر در نظر میگیریم. ثابت می‌شود که یک کم وزن‌ترین تطابق دو بخشی در $G$ موجود است اگر و فقط اگر یک کم هزینه‌ترین جریان در $G^{\prime }$ وجود داشته باشد.الگو:Ref

جستارهای وابسته

• LEMON (C++ library)

پانویس‌ها و منابع

1. الگو:Noteالگو:Cite book
2. الگو:Noteالگو:Cite journal
3. الگو:Noteالگو:Cite journal
4. الگو:Noteالگو:Cite journal
5. الگو:Noteالگو:Cite journal
6. الگو:Noteالگو:Cite journal

پیوندهای کمکی

• LEMON C++ library with several maximum flow and minimum cost circulation algorithms