浅谈差分约束
Posted wzxbeliever
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了浅谈差分约束相关的知识,希望对你有一定的参考价值。
差分约束
截取到的一个博客(只截取了我觉得好的部分):
1、数形结合
如若一个系统由n个变量和m个不等式组成,并且这m个不等式对应的系数矩阵中每一行有且仅有一个1和-1,其它的都为0,这样的系统称为差分约束( difference constraints )系统。引例中的不等式组可以表示成如图三-1-1的系数矩阵。
图三-1-1
然后继续回到单个不等式上来,观察 x[i] – x[j] <= a[k],
将这个不等式稍稍变形,将x[j]移到不等式右边,则有x[i] <= x[j] + a[k],
然后我们令a[k] = w(j, i),再将不等式中的i和j变量替换掉,i = v, j = u
将x数组的名字改成d(以上都是等价变换,不会改变原有不等式的性质)
则原先的不等式变成了以下形式:
d[u] + w(u, v) >= d[v]。
这时候联想到SPFA中的一个松弛操作:
if(d[u] + w(u, v) < d[v])
d[v] = d[u] + w(u, v);
对比上面的不等式,两个不等式的不等号正好相反,但是再仔细一想,其实它们的逻辑是一致的,因为SPFA的松弛操作是在满足小于的情况下进行松弛,力求达到d[u] + w(u, v) >= d[v],而我们之前令a[k] = w(j, i),所以我们可以将每个不等式转化成图上的有向边:对于每个不等式 x[i] – x[j] <= a[k],对结点 j 和 i 建立一条 j -> i的有向边,边权为a[k],求x[n-1] – x[0] 的最大值就是求 0 到n-1的最短路。
图三-1-2
图三-1-2 展示了 图三-1-1的不等式组转化后的图。
2、三角不等式
如果还没有完全理解,我们可以先来看一个简单的情况,如下三个不等式:
B – A <= c (1)
C – B <= a (2)
C – A <= b (3)
我们想要知道C – A的最大值,通过(1) + (2),可以得到 C – A <= a + c,所以这个问题其实就是求minb, a+c。将上面的三个不等式按照 三-1 数形结合 中提到的方式建图,如图三-2-1所示。
图三-2-1
我们发现minb, a+c正好对应了A到C的最短路,而这三个不等式就是著名的三角不等式。将三个不等式推广到m个,变量推广到n个,就变成了n个点m条边的最短路问题了。
3、解的存在性
上文提到最短路的时候,会出现负权圈或者根本就不可达的情况,所以在不等式组转化的图上也有可能出现上述情况,先来看负权圈的情况,如图三-3-1,下图为5个变量5个不等式转化后的图,需要求得是X[t] – X[s]的最大值,可以转化成求s到t的最短路,但是路径中出现负权圈,则表示最短路无限小,即不存在最短路,那么在不等式上的表现即X[t] – X[s] <= T中的T无限小,得出的结论就是 X[t] – X[s]的最大值 不存在。
图三-3-1
再来看另一种情况,即从起点s无法到达t的情况,如图三-3-2,表明X[t]和X[s]之间并没有约束关系,这种情况下X[t] – X[s]的最大值是无限大,这就表明了X[t]和X[s]的取值有无限多种。
图三-3-2
在实际问题中这两种情况会让你给出不同的输出。综上所述,差分约束系统的解有三种情况:
1、有解;2、无解;3、无限多解;
4、最大值 => 最小值
然后,我们将问题进行一个简单的转化,将原先的”<=”变成”>=”,转化后的不等式如下:
B – A >= c (1)
C – B >= a (2)
C – A >= b (3)
然后求C – A的最小值,类比之前的方法,需要求的其实是maxb, c+a,
于是对应的是图三-2-1从A到C的最长路。
同样可以推广到n个变量m个不等式的情况。
5、不等式标准化
如果给出的不等式有”<=”也有”>=”,又该如何解决呢?
很明显,首先需要关注最后的问题是什么,
如果需要求的是两个变量差的最大值,那么需要将所有不等式转变成”<=”的形式,建图后求最短路;
相反,如果需要求的是两个变量差的最小值,那么需要将所有不等式转化成”>=”,建图后求最长路。
如果有形如:A – B = c 这样的等式呢?我们可以将它转化成以下两个不等式:
A – B >= c (1)
A – B <= c (2)
再通过上面的方法将其中一种不等号反向,建图即可。
最后,如果这些变量都是整数域上的,那么遇到A – B < c这样的不带等号的不等式,我们需要将它转化成”<=”或者”>=”的形式,即 A – B <= c – 1。
以上是关于浅谈差分约束的主要内容,如果未能解决你的问题,请参考以下文章