线性规划与对偶问题

原问题：
min⁡{7x1+x2+5x3}s.t.{x1−x2+3x3≥105x1+2x2−x3≥6xi≥0\min\{7x_1+x_2+5x_3\} \\ s.t.\begin{cases} x_1-x_2+3x_3\ge 10\\ 5x_1+2x_2-x_3\ge 6\\ x_i\ge 0\end{cases} min{7x1+x2+5x3}s.t.⎩⎪⎨⎪⎧x1−x2+3x3≥105x1+2x2−x3≥6xi≥0我们发现限制Ⅰ，Ⅱ 的每个 xix_ixi 系数均 ≤\le≤ 原问题中的系数，所以我们可以初步得到原问题的取值范围限制 min⁡{7x1+x2+5x3}≥10\min\{7x_1+x_2+5x_3\}\ge 10min{7x1+x2+5x3}≥10。

进一步我们发现限制Ⅰ，Ⅱ 相加后的 xix_ixi 系数仍然 ≤\le≤ 原问题中的系数，于是乎我们“加紧”了原问题的取值范围 min⁡{7x1+x2+5x3}≥16\min\{7x_1+x_2+5x_3\}\ge 16min{7x1+x2+5x3}≥16。

我们是否能将原问题的范围“加到最紧”，即最大化最小值。

这显然是可以的。我们不妨给两个限制各一个系数 yiy_iyi。

则我们可以写出一个类似原问题形式的线性规划问题，称之为对偶问题。

对偶问题：
max⁡{10y1+6y2}s.t.{y1+5y2≤7−y1+2y2≤13y1−y2≤5yi≥0\max\{10y_1+6y_2\} \\ s.t.\begin{cases}y_1+5y_2\le 7\\ -y_1+2y_2\le 1\\ 3y_1-y_2\le 5\\ y_i\ge 0\end{cases} max{10y1+6y2}s.t.⎩⎪⎪⎪⎨⎪⎪⎪⎧y1+5y2≤7−y1+2y2≤13y1−y2≤5yi≥0一个最大化问题可以对偶成最小化问题，一个最小化问题可以对偶成最大化问题。

给出例子中的矩阵形式：

原问题：
min⁡[715]⋅[x1x2x3]s.t.{[1−1352−1]⋅[x1x2x3]≥[106]∀ixi≥0\min\begin{bmatrix}7\quad1\quad5\end{bmatrix}·\begin{bmatrix}x_1\\x_2\\x_3\end{bmatrix} \\ s.t.\begin{cases}\begin{bmatrix}1&-1&3\\5& 2&-1\end{bmatrix}·\begin{bmatrix}x_1\\x_2\\x_3\end{bmatrix}\ge \begin{bmatrix}10\\6\end{bmatrix}\\\forall_i\ x_i\ge 0\end{cases} min[715]⋅⎣⎡x1x2x3⎦⎤s.t.⎩⎪⎪⎨⎪⎪⎧[15−123−1]⋅⎣⎡x1x2x3⎦⎤≥[106]∀i xi≥0对偶问题：
max⁡[106]⋅[y1y2y3]s.t.{[15−123−1]⋅[y1y2]≤[715]∀iyi≥0\max\begin{bmatrix}10&6\end{bmatrix}·\begin{bmatrix}y_1\\y_2\\y_3\end{bmatrix} \\ s.t.\begin{cases}\begin{bmatrix}1&5\\-1&2\\3&-1\end{bmatrix}·\begin{bmatrix}y_1\\y_2\end{bmatrix}\le \begin{bmatrix}7\\1\\5\end{bmatrix}\\\forall_i\ y_i\ge 0\end{cases} max[106]⋅⎣⎡y1y2y3⎦⎤s.t.⎩⎪⎪⎨⎪⎪⎧⎣⎡1−1352−1⎦⎤⋅[y1y2]≤⎣⎡715⎦⎤∀i yi≥0

形式化地给出原问题和对偶问题之间的转化：（注意下标）

原问题：
min⁡∑j=1ncjxjs.t.{∀1≤i≤m∑ai,j⋅xj≥bi∀ixi≥0\min \sum_{j=1}^n c_jx_j \\ s.t.\begin{cases} \forall_{1\le i\le m}\ \sum a_{i,j}·x_j\ge b_i\\ \forall_{i}\ x_i\ge 0 \end{cases} minj=1∑ncjxjs.t.{∀1≤i≤m ∑ai,j⋅xj≥bi∀i xi≥0对偶问题：
max⁡∑i=1mbiyis.t.{∀1≤j≤n∑ai,j⋅yi≤cj∀iyi≥0\max \sum_{i=1}^m b_iy_i \\ s.t.\begin{cases} \forall_{1\le j\le n} \sum a_{i,j}·y_i\le c_j\\ \forall_i\ y_i\ge 0 \end{cases} maxi=1∑mbiyis.t.{∀1≤j≤n∑ai,j⋅yi≤cj∀i yi≥0考虑用矩阵形式来表示，之所以有矩阵形式，好像是因为有些题目矩阵好推一点。

原问题：
min⁡{cTx}s.t.{Ax≥bx≥0\min\{c^Tx\} \\ s.t.\begin{cases}Ax\ge b\\ x\ge 0\end{cases} min{cTx}s.t.{Ax≥bx≥0对偶问题：
max⁡{bTy}s.t.{ATy≤cy≥0\max\{b^Ty\}\\ s.t.\begin{cases} A^Ty\le c\\ y\ge 0 \end{cases} max{bTy}s.t.{ATy≤cy≥0

LP对偶费用流

在一张 nnn 个点 mmm 条边的网络图中，我们这里只研究循环流，以最大费用循环流为例。

声明：将一条 u→vu\rightarrow vu→v 的有向边表示成 (u,v)(u,v)(u,v)，将一个 nnn 行 mmm 列的矩阵 AAA 表示成 [n,m]A[n,m]A[n,m]A，矩阵间的大小关系是按位均满足。

原问题：
max⁡∑ecoste⋅flowe⇔max⁡[1,m]costT⋅[m,1]flows.t.{∀flowu,v≥0∀flowu,v≤capu,v∀u∑flowv,u−∑flowu,v=bu\max \sum_{e}cost_e·flow_e\Leftrightarrow \max\ [1,m]cost^T·[m,1]flow \\ s.t.\begin{cases} \forall\ flow_{u,v}\ge 0\\ \forall\ flow_{u,v}\le cap_{u,v}\\ \forall_u\ \sum flow_{v,u}-\sum flow_{u,v}=b_u\\ \end{cases} maxe∑coste⋅flowe⇔max [1,m]costT⋅[m,1]flows.t.⎩⎪⎨⎪⎧∀ flowu,v≥0∀ flowu,v≤capu,v∀u ∑flowv,u−∑flowu,v=bubu:b_u:bu: 流入 −-− 流出，但要求 bub_ubu 一定是已知的常量。

实际上我们可以写成 ∀u∑flowv,u−∑flowu,v≤bu\forall_u\ \sum flow_{v,u}-\sum flow_{u,v}\le b_u∀u ∑flowv,u−∑flowu,v≤bu。

因为在一个图中，要求所有点入度 ≤\le≤ 出度，最后成立情况一定是每个点入度 === 出度。感性理解好了┏┛墓┗┓…(((m -__-)m

我们直接用矩阵形式来推。

首先第一种限制和第二种只针对一条边单独而言，可以合起来。我们配个单位矩阵即可。
[100...0010...0001...0...............000...1]⋅[flow1flow2flow3...flowm]≤[cap1cap2cap3...capm]\begin{bmatrix}1&0&0&...&0\\0&1&0&...&0\\0&0&1&...&0\\...&...&...&...&...\\0&0&0&...&1\end{bmatrix}·\begin{bmatrix}flow_1\\flow_2\\flow_3\\...\\flow_m\end{bmatrix}\le \begin{bmatrix}cap_1\\cap_2\\cap_3\\...\\cap_m\end{bmatrix} ⎣⎢⎢⎢⎢⎡100...0010...0001...0...............000...1⎦⎥⎥⎥⎥⎤⋅⎣⎢⎢⎢⎢⎡flow1flow2flow3...flowm⎦⎥⎥⎥⎥⎤≤⎣⎢⎢⎢⎢⎡cap1cap2cap3...capm⎦⎥⎥⎥⎥⎤第三种限制涉及到求和，比较不直观，但还是可以写的。

定义一个 n×mn\times mn×m 的矩阵 ZZZ，规则：Zi,j={−1ju=i1jv=i0ju≠i∧jv≠iZ_{i,j}=\begin{cases}-1\ \quad\ j_u=i\\1\quad\quad\ j_v=i\\0\quad\quad\ j_u\neq i\wedge j_v\ne i\end{cases}Zi,j=⎩⎪⎨⎪⎧−1 ju=i1 jv=i0 ju=i∧jv=i

中国话说即为：iii 是点，jjj 是边。如果第 jjj 条边中 iii 充当出点 uuu 则为 −1-1−1；充当入点 vvv 则为 111；否则为 000。

则第三种限制就可以看作是 [n,m]Z⋅[m,1]flow≤[n,1]b[n,m]Z·[m,1]flow\le [n,1]b[n,m]Z⋅[m,1]flow≤[n,1]b。

整体整合表示即：
[m,m]I[n,m]Z⋅[m,1]flow≤[m,1]cap[n,1]b\frac{[m,m]I}{[n,m]Z}·[m,1]flow\le \frac{[m,1]cap}{[n,1]b} [n,m]Z[m,m]I⋅[m,1]flow≤[n,1]b[m,1]cap
由此我们可以写出对偶问题：（[m,m]I[n,m]Z\frac{[m,m]I}{[n,m]Z}[n,m]Z[m,m]I 即为形式化中的 AAA）

对偶问题：
min⁡[1,m+n](capT∣bT)⋅[m+n,1]Ys.t.{[m,m+n]([m,m]IT∣[m,n]ZT)⋅[m+n,1]Y≥[m,1]cost∀iYi≥0\min [1,m+n]\Big(cap^T\Big| b^T\Big)·[m+n,1]Y \\ s.t.\begin{cases}[m,m+n]\Big([m,m]I^T\Big|[m,n]Z^T\Big)·[m+n,1]Y\ge [m,1]cost\\ \forall_i\ Y_i\ge 0\end{cases} min[1,m+n](capT∣∣∣bT)⋅[m+n,1]Ys.t.{[m,m+n]([m,m]IT∣∣∣[m,n]ZT)⋅[m+n,1]Y≥[m,1]cost∀i Yi≥0矩阵的点积是对位相乘后相加，所以我们可以把 [m+n,1]Y[m+n,1]Y[m+n,1]Y 拆成 [m,1]y∣[n,1]φ[m,1]y\Big|[n,1]\varphi[m,1]y∣∣∣[n,1]φ。
min⁡capT⋅y+bT⋅φs.t.{yi≥0φi≥0IT⋅y+ZT⋅φ≥cost\min\ cap^T·y+b^T·\varphi\\s.t.\begin{cases} y_i\ge 0\\ \varphi_i\ge 0\\ I^T·y+Z^T·\varphi\ge cost\end{cases} min capT⋅y+bT⋅φs.t.⎩⎪⎨⎪⎧yi≥0φi≥0IT⋅y+ZT⋅φ≥cost非常巧妙的是，注意 ZZZ 矩阵转置后 ZTZ^TZT 具有的特殊性质。

我们重申一下 ZTZ^TZT 的含义：Zi,jT={−1iu=j1iv=j0iu≠j∧iv≠jZ^T_{i,j}=\begin{cases}-1&i_u=j\\1&i_v=j\\0&i_u\ne j \wedge i_v\ne j\end{cases}Zi,jT=⎩⎪⎨⎪⎧−110iu=jiv=jiu=j∧iv=j，也就是说此时的 iii 是边，jjj 是点。

考虑任意一条边 iii，它只会关联到两个点，所以矩阵的第 iii 行只有两列非零，且恰好是 ±1±1±1 各一个。

那么第三条矩阵点积的约束我们可以重写成 yi+φv−φu−costi≥0y_i+\varphi_v-\varphi_u-cost_i\ge 0yi+φv−φu−costi≥0。

实际上写成 φu−φv\varphi_u-\varphi_vφu−φv 也是可以的，因为在费用流中将所有边取反（包括和源汇点之间的边）是没有任何影响的。

整合第一条限制得到：yi≥max⁡(0,φu−φv+costi)y_i\ge \max(0,\varphi_u-\varphi_v+cost_i)yi≥max(0,φu−φv+costi)。

所以我们可以将对偶问题再换个形式：
min⁡∑capi∗max⁡(0,φu−φv+costi)+∑bi⋅φi\min\sum cap_i*\max(0,\varphi_u-\varphi_v+cost_i)+\sum b_i·\varphi_i min∑capi∗max(0,φu−φv+costi)+∑bi⋅φi这种形式下的建图方式：φu→φv\varphi_u\rightarrow \varphi_vφu→φv 之间边花费为 costicost_icosti，容量 capicap_icapi，根据 bub_ubu 的正负（多流出还是多流入）将 φu\varphi_uφu 点和新建源汇对应连边，容量即为多/少的这部分 bub_ubu，无花费。

通常情况下我们是拿到类似上述对偶问题形式的题目，然后我们就可以转化成费用流问题，就可做了。

例题. ZJOI2013防守战线

由于是区间，我们完全可以写成前缀和差分形式，记 si=∑j=1ixjs_i=\sum_{j=1}^ix_jsi=∑j=1ixj。

则：
min⁡∑(si−si−1)ci\min \sum (s_i-s_{i-1})c_i min∑(si−si−1)ci限制可以写成：
{∀isri−sli−1−di≥0∀isi−si−1≥0∀isi≥0\begin{cases}\forall_i\ s_{r_i}-s_{l_i-1}-d_i\ge 0\\ \forall_i\ s_i-s_{i-1}\ge 0\\ \forall_i\ s_i\ge 0\end{cases} ⎩⎪⎨⎪⎧∀i sri−sli−1−di≥0∀i si−si−1≥0∀i si≥0∑(si−si−1)ci\sum (s_i-s_{i-1})c_i∑(si−si−1)ci 我们换一种形式。发现 sis_isi 在 iii 时前面是正贡献 ci∗sic_i*s_ici∗si，在 i+1i+1i+1 时前面是负贡献 −ci+1∗si-c_{i+1}*s_i−ci+1∗si。

所以可以写成 ∑si(ci−ci+1)\sum s_i(c_i-c_{i+1})∑si(ci−ci+1)。

还有一种巧妙的限制转化是，将约束被打坏给予一定惩罚。

即如果破坏某个约束，我们就让其获得无穷大的惩罚代价，那么在跑网络流的时候就会尽量避免获得代价，侧面完成了约束。

所以我们可以将答案形式改写成：
min⁡∑si(ci−ci+1)+∑∞∗max⁡(0,si−1−si)+∑∞∗max⁡(0,sl−1−sr+di)\min \sum s_i(c_i-c_{i+1})+\sum\infty*\max(0,s_{i-1}-s_i)+\sum\infty*\max(0,s_{l-1}-s_r+d_i) min∑si(ci−ci+1)+∑∞∗max(0,si−1−si)+∑∞∗max(0,sl−1−sr+di)你发现完全可以和费用流对偶化简出来的式子一一对应。

∞\infty∞ 就是容量，si−1−sis_{i-1}-s_isi−1−si 之间边花费应为 000，sl−1−srs_{l-1}-s_rsl−1−sr 边花费应为 did_idi。然后根据 ci−ci+1c_i-c_{i+1}ci−ci+1 的正负看是与源点还是汇点连边。（多流入的流量看作是需要给汇点的，多流出的流量看作是源点给的，这样每个点都平衡了，不然我真的无法理解这个推出来对应的建图方式了）

Upd：小同志灵光乍现明白了和源汇点之间建边和含义。
我们的网络流一定是流量平衡的，即流入等于流出。
然而我们推推导中一般化了每个点的流入可以最多比流出多 bub_ubu。
网络路中源点向某个点连边后，这个点一定会把流量流出去。所以与源点的边相当于是增加了这个点的流出流量。自然与汇点的边就是增加流入流量。
因为前面一个点的流入和流出根本没有算和源汇的边，源汇点是后面才新建立的。
这样建图就能正确对应了。

跑最大费用流即可。

其实一般只要化出诸如 ∑capi,j∗max⁡(0,φi−φj+costi,j)\sum cap_{i,j}*\max(0,\varphi_i-\varphi_j+cost_{i,j})∑capi,j∗max(0,φi−φj+costi,j) 形式就是指导我们如何建边。

而 ∑biφi\sum b_i\varphi_i∑biφi 是指导我们如何分配正负点。

这种“势能”的 φ\varphiφ 代表的就是图中的点。

要注意的是，这种下标 −1,+1-1,+1−1,+1 需要看是否要用到 0,n+10,n+10,n+1 这两个点。

你建完了跑不出答案就考虑加点、改变边的方向、改变和源汇点的连边。只要大体是对的，总有一种是对的

单纯最大费用流只能得70，写 zkw 费用流就可以了。这里主要是分析建图。

#include <bits/stdc++.h>
using namespace std;
#define int long long
#define inf 0x3f3f3f3f
#define maxn 2000
#define maxm 50000
int n, m, s, t, cnt = -1;
int head[maxn], dis[maxn], lst[maxn], vis[maxn], c[maxn];
struct node { int to, nxt, flow, cost; }E[maxm];
queue < int > q;void addedge( int u, int v, int w, int c ) {E[++ cnt] = { v, head[u], w, c }, head[u] = cnt;E[++ cnt] = { u, head[v], 0,-c }, head[v] = cnt;
}bool SPFA() {memset( lst, -1, sizeof( lst ) );memset( dis, -0x3f, sizeof( dis ) );dis[s] = 0, q.push( s );while( ! q.empty() ) {int u = q.front(); q.pop(); vis[u] = 0;for( int i = head[u];~ i;i = E[i].nxt ) {int v = E[i].to;if( dis[v] < dis[u] + E[i].cost and E[i].flow ) {dis[v] = dis[u] + E[i].cost; lst[v] = i;if( ! vis[v] ) vis[v] = 1, q.push( v );}}}return ~lst[t];
}int MCMF() {int ans = 0;while( SPFA() ) {int flow = inf;for( int i = lst[t];~ i;i = lst[E[i ^ 1].to] ) flow = min( flow, E[i].flow );for( int i = lst[t];~ i;i = lst[E[i ^ 1].to] ) {E[i ^ 1].flow += flow;E[i].flow -= flow;ans += E[i].cost * flow;}}return ans;
}signed main() {scanf( "%lld %lld", &n, &m );s = n + 2, t = n + 1;memset( head, -1, sizeof( head ) );for( int i = 1;i <= n;i ++ )scanf( "%lld", &c[i] );for( int i = 0;i < n;i ++ )addedge( i, i + 1, inf, 0 );for( int i = 1, l, r, w;i <= m;i ++ ) {scanf( "%lld %lld %lld", &l, &r, &w );addedge( l - 1, r, inf, w );}for( int i = 0;i <= n;i ++ )if( c[i] - c[i + 1] > 0 ) addedge( s, i, c[i] - c[i + 1], 0 );else addedge( i, t, c[i + 1] - c[i], 0 );/*边全反向for( int i = 0;i < n;i ++ )addedge( i + 1, i, inf, 0 );for( int i = 1, l, r, w;i <= m;i ++ ) {scanf( "%lld %lld %lld", &l, &r, &w );addedge( r, l - 1, inf, w );}for( int i = 0;i <= n;i ++ )if( c[i] - c[i + 1] > 0 ) addedge( i, t, c[i] - c[i + 1], 0 );else addedge( s, i, c[i + 1] - c[i], 0 );*/printf( "%lld\n", MCMF() );return 0;
}

欢迎指出错误，我巴不得有人说这是错的然后把对的教给我球球了

【学习笔记】线性规划与对偶问题和LP对偶费用流（[ZJOI2013]防守战线题解）相关推荐

LP对偶费用流 TopCoder SRM 676 div1 Farmville（最大费用循环流，对偶原理）
感觉这个年代已经没有人对对偶感兴趣了. 对偶原理与线性规划详见2016集训队论文(没看过而且不知道什么是对偶的可能看不懂我这博客在讲什么) maximizecTxs.t.Ax≤bx≥0\begin{a ...
菜鸟学习笔记：Java提升篇6（IO流2——数据类型处理流、打印流、随机流）
菜鸟学习笔记:Java IO流2--其他流字节数组输入输出流数据类型处理流基本数据类型引用类型打印流 System.in.System.out.System.err 随机流RandomAcc ...
菜鸟学习笔记：Java提升篇5（IO流1——IO流的概念、字节流、字符流、缓冲流、转换流）
菜鸟学习笔记:Java IO流1--IO流的概念.字节流.字符流.缓冲流.转换流 IO流的原理及概念节点流字节流文件读取文件写出文件拷贝文件夹拷贝字符流文件读取文件写出处理流缓冲 ...
BZOJ3118 : Orz the MST（对偶费用流）
题目我已经3个月登不上BZOJ了,该不会真的炸了吧对于线性规划对偶这一套不熟悉的同学可以看我的这篇博客最后你会发现我还是在让你去看集训队论文对于我们需要的最小生成树,首先树边只会减小,非树边只会增 ...
【学习笔记】Node.js Buffer(缓冲区)和Stream流的关系
JavaScript 语言自身只有字符串数据类型,没有二进制数据类型.处理文件流和处理TCP流(如文件之间传数据),必须使用到二进制数据,因此有了Buffer类,该类用来创建一个专门存放二进制数据的缓 ...
线性规划单纯型法（bzoj 3112: [Zjoi2013]防守战线）
线性规划: 给出若干个不等式,再给出个函数G(),求出G()的极值例如①x2+x3>=1:②x1+x2+x3+x4+x5>=4:③x3+x4+x5>=2 G() = x1+5*x2 ...
Dynamic CRM 2013学习笔记（三十三）自定义审批流4 - 规则节点 -有分支的流程处理...
上次介绍过节点的基本配置<Dynamic CRM 2013学习笔记(三十二)自定义审批流3 - 节点及实体配置>,这次介绍下规则节点,因为有时流程里会有一些分支.合并,这时就要用到规则节点 ...
菜鸟学习笔记：Java提升篇4（容器4——Collections工具类、其他容器）
菜鸟学习笔记:Java容器4--Collections工具类.其他容器 Collections工具类容器其他知识点队列Queue Enumeration接口 Hashtable Propertie ...
flink1.12.0学习笔记第2篇-流批一体API
flink1.12.0学习笔记第 2 篇-流批一体API flink1.12.0学习笔记第1篇-部署与入门 flink1.12.0学习笔记第2篇-流批一体API flink1.12.0学习笔记第3篇- ...

【学习笔记】线性规划与对偶问题和LP对偶费用流（[ZJOI2013]防守战线题解）

线性规划与对偶问题

LP对偶费用流

【学习笔记】线性规划与对偶问题和LP对偶费用流（[ZJOI2013]防守战线题解）相关推荐

最新文章

热门文章