【图论】差分约束

1. 基本概念

差分约束系统(Difference Constraints System)是一类特殊的线性不等式组,形式为:

  • xi−xj≤ckx_i - x_j \leq c_kxixjck
  • xi−xj≥ckx_i - x_j \geq c_kxixjck
  • xi−xj=ckx_i - x_j = c_kxixj=ck

其中 xix_ixi 是变量,ckc_kck 是常数。

2. 核心思想

将不等式转化为图论中的最短路径问题

  • 每个变量 xix_ixi 对应图中的一个节点
  • 每个不等式 xi−xj≤ckx_i - x_j \leq c_kxixjck 对应一条从 jjjiii 的边,权值为 ckc_kck
  • 系统有解 ⇔\Leftrightarrow 图中无负环

3. 不等式转化规则

原始不等式转化形式对应边
xi−xj≤cx_i - x_j \leq cxixjcxi≤xj+cx_i \leq x_j + cxixj+cj→cij \xrightarrow{c} ijci
xi−xj≥cx_i - x_j \geq cxixjcxj≤xi−cx_j \leq x_i - cxjxici→−cji \xrightarrow{-c} jicj
xi−xj=cx_i - x_j = cxixj=cxi≤xj+cx_i \leq x_j + cxixj+cxj≤xi−cx_j \leq x_i - cxjxicj→cij \xrightarrow{c} ijcii→−cji \xrightarrow{-c} jicj

4. 经典问题类型

4.1 求可行解

判断系统是否有解,若有则给出一组解。

4.2 求最大/最小值

  • xn−x1x_n - x_1xnx1 的最大值 ⇒\Rightarrowx1x_1x1xnx_nxn 的最短路径
  • xn−x1x_n - x_1xnx1 的最小值 ⇒\Rightarrowx1x_1x1xnx_nxn 的最长路径

5. 算法实现

5.1 Bellman-Ford算法

#include <iostream>
#include <vector>
#include <queue>
#include <climits>
using namespace std;

struct Edge {
    int u, v, w;
    Edge(int _u, int _v, int _w) : u(_u), v(_v), w(_w) {}
};

class DifferenceConstraints {
private:
    int n; // 变量数量
    vector<Edge> edges;
    vector<int> dist;
    vector<int> inQueue;
    vector<int> count;
    
public:
    DifferenceConstraints(int _n) : n(_n) {
        dist.resize(n + 1, INT_MAX);
        inQueue.resize(n + 1, false);
        count.resize(n + 1, 0);
    }
    
    // 添加约束: x[u] - x[v] <= w
    void addConstraint(int u, int v, int w) {
        edges.emplace_back(v, u, w); // v -> u, weight = w
    }
    
    // 添加约束: x[u] - x[v] >= w
    void addConstraintGE(int u, int v, int w) {
        edges.emplace_back(u, v, -w); // u -> v, weight = -w
    }
    
    // 添加约束: x[u] - x[v] = w
    void addConstraintEQ(int u, int v, int w) {
        addConstraint(u, v, w);
        addConstraint(v, u, -w);
    }
    
    // 添加源点,连接到所有点,距离为0
    void addSource(int source) {
        for (int i = 1; i <= n; i++) {
            if (i != source) {
                edges.emplace_back(source, i, 0);
            }
        }
    }
    
    // SPFA算法检测负环
    bool solve() {
        queue<int> q;
        int source = 0; // 虚拟源点
        
        // 添加虚拟源点到所有点的边
        for (int i = 1; i <= n; i++) {
            edges.emplace_back(source, i, 0);
        }
        
        dist[source] = 0;
        q.push(source);
        inQueue[source] = true;
        
        while (!q.empty()) {
            int u = q.front();
            q.pop();
            inQueue[u] = false;
            
            for (const Edge& e : edges) {
                if (e.u == u && dist[u] != INT_MAX) {
                    int v = e.v;
                    int w = e.w;
                    
                    if (dist[v] > dist[u] + w) {
                        dist[v] = dist[u] + w;
                        
                        if (!inQueue[v]) {
                            q.push(v);
                            inQueue[v] = true;
                            count[v]++;
                            
                            // 检测负环
                            if (count[v] > n) {
                                return false; // 存在负环,无解
                            }
                        }
                    }
                }
            }
        }
        
        return true; // 无负环,有解
    }
    
    // 获取变量值
    int getValue(int var) {
        return dist[var];
    }
    
    // 获取两点间最大差值
    int getMaxDifference(int u, int v) {
        if (dist[u] == INT_MAX || dist[v] == INT_MAX) return INT_MAX;
        return dist[v] - dist[u];
    }
};

// 示例使用
int main() {
    // 问题:x1 - x2 <= 2, x2 - x3 <= 1, x1 - x3 <= 4
    // 求 x1 - x3 的最大值
    
    DifferenceConstraints dc(3);
    
    dc.addConstraint(1, 2, 2);  // x1 - x2 <= 2
    dc.addConstraint(2, 3, 1);  // x2 - x3 <= 1  
    dc.addConstraint(1, 3, 4);  // x1 - x3 <= 4
    
    if (dc.solve()) {
        cout << "系统有解" << endl;
        cout << "x1 - x3 的最大值: " << dc.getMaxDifference(3, 1) << endl;
        
        // 输出各变量值
        for (int i = 1; i <= 3; i++) {
            cout << "x" << i << " = " << dc.getValue(i) << endl;
        }
    } else {
        cout << "系统无解(存在负环)" << endl;
    }
    
    return 0;
}

5.2 Floyd-Warshall算法(适用于小规模)

// 适用于变量较少的情况
bool solveFloyd(vector<vector<int>>& graph, int n) {
    // 初始化距离矩阵
    for (int k = 1; k <= n; k++) {
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= n; j++) {
                if (graph[i][k] != INT_MAX && graph[k][j] != INT_MAX) {
                    graph[i][j] = min(graph[i][j], graph[i][k] + graph[k][j]);
                }
            }
        }
    }
    
    // 检查对角线是否有负值(负环)
    for (int i = 1; i <= n; i++) {
        if (graph[i][i] < 0) return false;
    }
    
    return true;
}

6. 关键技巧

6.1 虚拟源点

当图不连通时,添加一个虚拟源点 x0x_0x0,并添加 xi−x0≤0x_i - x_0 \leq 0xix00 的约束(即 x0→xix_0 \to x_ix0xi 边权为0)。

6.2 边界处理

  • 变量编号通常从1开始
  • 初始化距离为无穷大
  • 注意整数溢出问题

6.3 负环检测

  • Bellman-Ford:松弛n次后还能松弛则有负环
  • SPFA:某个点入队超过n次则有负环
  • Floyd:对角线出现负值则有负环

7. 复杂度分析

算法时间复杂度空间复杂度适用场景
Bellman-FordO(nm)O(nm)O(nm)O(n+m)O(n+m)O(n+m)通用
SPFAO(km)O(km)O(km)O(n+m)O(n+m)O(n+m)稀疏图
FloydO(n3)O(n^3)O(n3)O(n2)O(n^2)O(n2)小规模、全源最短路

其中 nnn 为变量数,mmm 为约束数,kkk 为常数(通常很小)。

8. 实际应用

8.1 项目进度安排

  • 任务开始时间约束
  • 最早完成时间计算

8.2 货币兑换套利

  • 汇率约束系统
  • 检测套利机会(负环)

8.3 电路时序分析

  • 信号延迟约束
  • 关键路径计算

9. 常见错误

  1. 不等式方向错误:注意 ≤\leq≥\geq 的转化
  2. 忘记添加虚拟源点:导致不连通图无法求解
  3. 负环检测不完整:未正确实现负环判断
  4. 数组越界:变量编号与数组索引不匹配
  5. 初始化问题:距离数组未正确初始化

10. 总结

差分约束是将不等式系统转化为图论问题的经典方法,核心是:

  1. 正确建立图模型
  2. 使用最短路径算法求解
  3. 通过负环检测判断可行性
  4. 利用最短路径值获得最优解
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值