Capacitated Network Bargaining Games:
Stability and Structure

带容量网络谈判博弈：稳定性、结构特征与多面体回路分析

Capacitated Network Bargaining Games: Stability and Structure 全景学术解析与数理推导报告

【文献元数据与分类检索信息】 **论文原名**：Capacitated Network Bargaining Games: Stability and Structure **论文作者**：Laura Sanità (Bocconi University, Department of Computing Sciences), Lucy Verberk (Eindhoven University of Technology, Department of Mathematics and Computer Science) **发表期刊**：*Mathematics of Operations Research*, Vol. 51, No. 3, August 2026, pp. 1733–1751 (Online Articles in Advance: June 17, 2025). DOI: 10.1287/moor.2024.0668. **MSC2020 分类号**：05C70 (Factorization, matching, covering and related topics), 05C57 (Games on graphs). **JEL 分类号**： • **C71** - Cooperative Games (合作博弈论) • **C78** - Bargaining Theory; Matching Theory (谈判理论与匹配理论) • **D85** - Network Formation and Analysis: Theory (网络形成与网络分析理论) • **C61** - Optimization Techniques; Programming Models (最优化技术与规划模型) **核心关键词**：Matching（匹配）、Network Bargaining Games（网络谈判博弈）、Circuits of a Polytope（多面体极值回路）、Capacity Stabilizer（容量稳定子）、Edge Stabilizer（边稳定子）、Graph Stabilization（图稳定化）

一、 论文概述与核心研究贡献

网络谈判博弈（Network Bargaining Games, NBG）由 Kleinberg 和 Tardos (2008) 首次提出，作为经典纳什双人谈判解（Nash, 1950）在复杂网络环境下的重要扩展。在标准 NBG 中，网络中的顶点代表经济主体（玩家），边代表潜在的合作交易机会。当两个相邻玩家达成协议时，他们通过谈判瓜分该交易所产生的经济剩余（边权重 $w_{e}$）。Bateni et al. (2010) 进一步引入了更为符合真实商业与平台交易场景的“带容量”（Capacitated）网络谈判博弈模型：每个玩家 $v$ 被赋予一个非负整数容量 $c_{v} \in {\mathbb{Z}}_{\geq 0}$，允许其在网络中同时达成至多 $c_{v}$ 笔交易。

然而，网络结构的不对称性与奇环竞争往往导致博弈不存在稳定结果（Stable Outcome，即总存在玩家有动机打破现有协议以谋取更高剩余）。为了恢复市场的稳定性，运筹学与图论领域兴起了“图稳定化”（Graph Stabilization）研究，核心手段包括通过删除边（阻止特定交易）或删除顶点（封杀特定玩家）。在单位容量设定下，相关理论已相当成熟；但最近 Gerstbrein et al. (2025) 证明：在带容量设定下，完全删除顶点的稳定化问题（Vertex Stabilizer Problem）陡增为 NP-hard 问题。这使得带容量网络的稳定化机制陷入了理论困境。

针对上述理论瓶颈，Laura Sanità 与 Lucy Verberk (2026) 在发表于国际顶级运筹学期刊《Mathematics of Operations Research》的重磅论文中，打破了传统“非黑即白”的顶点删除模式，创新性地提出了“削减顶点容量”（Capacity Reduction）的温和干预机制，并借助高维凸多面体极值回路（Circuits of Polytope）的几何理论，取得了四大开创性科学贡献：

【核心科学贡献提炼】 **贡献 1：容量稳定子（Capacity Stabilizer）的多项式时间精确求解与公平性保证** 文章证明，求解使网络恢复稳定所需的最小顶点容量削减总量（即容量稳定子问题）是一个**多项式时间可解**问题（Theorem 9）。该算法给出的最优解不仅在任意权重图上保证保留最大权重匹配至少 $\frac{2}{3}$ 的价值（且 $\frac{2}{3}$ 界已达理论渐近最优），而且**对每个顶点的容量至多削减 1 个单位**。这在经济与商业谈判中具有极其显著的“公平性”与“温和干预”意义——没有玩家会被过度削减交易配额。 **贡献 2：带容量边稳定子（Edge Stabilizer）的首个 $O(\Delta)$ 近似算法** 文章以容量稳定化算法为核心构件，突破性地给出了带容量网络边稳定子问题（NP-hard）的高效近似算法，在多项式时间内达成了 $O(\Delta)$ 近似比（Theorem 11，其中 $\Delta$ 为网络最大度数），完美填补了带容量边稳定化算法的空白。 **贡献 3：单位权重实例的强结构保值定理（Structural Invariance / Value Preservation）** 在单位权重带容量网络中，文章严格证明了任何极小容量稳定子（Theorem 10）和极小边稳定子（Theorem 12）都具备**零价值损失（100% 保值）**的优美结构特征：稳定化后的网络最大匹配规模与原网络完全相等（$\nu^{c}(G\lbrack c_{S} - 1\rbrack) = \nu^{c}(G)$ 且 $\nu^{c}(GsetminusF) = \nu^{c}(G)$）。 **贡献 4：开创性的多面体几何与回路分析方法（Polyhedral Circuits Approach）** 文章摆脱了以往文献中极度依赖复杂图论组合构造与归纳的旧范式，开创性地将多面体极值回路（Circuits of Polytope）引入网络博弈稳定性分析。借助多面体边方向跃迁理论（Theorem 5），不仅极大地简化了稳定子规模下界的证明，还成功克服了带容量网络向单位容量网络转化时的“对偶失真”与“边结构破坏”难题。

二、 数理模型建立过程与理论框架

为了严格刻画带容量网络谈判博弈的微观交互与宏观稳定性，论文建立了严谨的图论、博弈论与线性规划对偶模型。以下展开详细的模型构建全过程。

2.1 游戏基本设定与要素

设 $G = (V,E)$ 为一个无向有限图。其中：

1. 顶点集合 $V$ 代表博弈中的参与者（Players），节点数量为 $|V|$；
2. 边集合 $E$ 代表潜在的交易或合作协议（Deals），每条边 $e = uv \in E$ 具有非负权重 $w_{e} = w_{uv} \geq 0$，代表达成该协议所创造的总经济剩余；
3. 顶点容量向量 $c \in {\mathbb{Z}}_{\geq 0}^{V}$：每个顶点 $v \in V$ 具有容量限制 $c_{v}$，表示玩家 $v$ 至多能够同时达成的协议总数。
记整个博弈实例为三元组 $(G,w,c)$。

2.2 结果（Outcome）与收益分配向量

在网络博弈中，一个结果（Outcome）由两个核心要素共同定义：

• **$c$-匹配（$c$-Matching）$M \subseteq E$**：选定达成的协议集合，满足每个顶点的关联匹配边数不超过其容量，即对所有 $v \in V$：

$$d_{v}^{M}: = |\delta(v) \cap M| \leq c_{v}$$

其中 $\delta(v)$ 表示在图 $G$ 中与顶点 $v$ 关联的边集合。

• **收益分配向量 $a \in {\mathbb{R}}_{\geq 0}^{2E}$**：对于每条达成的交易 $uv \in M$，$a_{uv}$ 表示玩家 $u$ 从该交易中获得的剩余份额，$a_{vu}$ 表示玩家 $v$ 获得的份额，满足价值守恒：

$$a_{uv} + a_{vu} = w_{uv},\forall uv \in M$$

若 $uv \notin M$，则未达成交易，双方收益为零：$a_{uv} = a_{vu} = 0$。因此，任意玩家 $u \in V$ 在结果 $(M,a)$ 下获得的总经济收益为：

$$y_{u}: = \sum_{v:uv \in M}^{}{}a_{uv}$$

2.3 稳定性判定条件（Stability Condition）

博弈结果 $(M,a)$ 被称为**稳定的（Stable）**，如果网络中不存在任何一对相邻玩家具有偏离现有协议并达成更有利交易的动机。形式化地，对于任意未达成的交易 $uv \in EsetminusM$，双方在现有匹配下获得的总收益必须至少等于他们联合达成新交易所能瓜分的总价值：

$$y_{u} + y_{v} \geq w_{uv},\forall uv \in EsetminusM$$

如果存在某条边 $uv \in EsetminusM$ 使得 $y_{u} + y_{v} < w_{uv}$，则称为**阻碍边（Blocking Edge）**。此时，玩家 $u$ 和 $v$ 可以各自拿出少于现有收益的部分重新瓜分 $w_{uv}$，从而使双方严格受益，导致现有匹配瓦解。因此，无阻碍边是系统实现纳什议价均衡的核心充要条件。

2.4 线性规划原问题与对偶问题（LP Relaxation & Duality）

Kleinberg & Tardos (2008) 及 Bateni et al. (2010) 的开创性工作表明，网络谈判博弈是否承认稳定结果，可以通过标准的分数 $c$-匹配线性规划松弛（LP Relaxation）及其对偶进行完全刻画。

【原问题：最大权重分数 $c$-匹配】定义分数 $c$-匹配多面体为：

$$P_{FCM}(G,c): = \left\{ x \in {\mathbb{R}}^{E}:\sum_{u:uv \in E}^{}{}x_{uv} \leq c_{v},\forall v \in V;0 \leq x_{uv} \leq 1,\forall uv \in E \right\}$$

其最优目标值记为 $\nu_{f}^{c}(G)$：

$$\nu_{f}^{c}(G): = \max\left\{ w^{}topx:x \in P_{FCM}(G,c) \right\} = \max\left\{ \sum_{e \in E}^{}{}w_{e}x_{e}:\sum_{u:uv \in E}^{}{}x_{uv} \leq c_{v},\forall v \in V;0 \leq x \leq 1 \right\}$$

【对偶问题：最小权重分数顶点覆盖】引入对偶变量 $y_{v} \geq 0$（对应顶点容量约束）和 $z_{uv} \geq 0$（对应边上界约束 $x_{uv} \leq 1$），对偶线性规划为：

$$\tau_{f}^{c}(G): = \min\left\{ c^{}topy + \mathtt{1}^{}topz:y_{u} + y_{v} + z_{uv} \geq w_{uv},\forall uv \in E;y \geq 0,\ z \geq 0 \right\}$$

【强对偶与互补松弛条件（Complementary Slackness）】
由线性规划对偶理论，恒有 $\nu^{c}(G) \leq \nu_{f}^{c}(G) = \tau_{f}^{c}(G)$，其中 $\nu^{c}(G)$ 是原图整数最大权 $c$-匹配的价值。最优解 $x$ 与对偶最优解 $(y,z)$ 满足以下互补松弛条件：

$$(x_{uv} = 0lory_{u} + y_{v} + z_{uv} = w_{uv})land(y_{v} = 0lorx(\delta(v)) = c_{v})land(z_{uv} = 0lorx_{uv} = 1)$$

【网络谈判博弈稳定性核心等价判定】 **稳定性与整数性等价定理**： 实例 $(G,w,c)$ 存在稳定结果 $\Longleftrightarrow$ 线性规划松弛无对偶间隙，即最大整数 $c$-匹配价值等于最大分数 $c$-匹配价值： $\nu^{c}(G) = \nu_{f}^{c}(G)$ 若 $\nu^{c}(G) = \nu_{f}^{c}(G)$，则称该网络实例 $(G,w,c)$ 是**稳定的（Stable）**。

2.5 增广结构与交替行走（Augmenting Structures）

为了在组合层面分析匹配的最优性与稳定性，论文严格界定了以下行走与迹的概念：

1. **$M$-交替行走（$M$-alternating walk）**：一条边序列在匹配边 $M$ 与非匹配边 $EsetminusM$ 之间严格交替出现的行走 $W = (u;e_{1},e_{2},\ldots,e_{k};v)$；
2. **$M$-增广行走（$M$-augmenting walk）**：满足非匹配边总权重严格大于匹配边总权重的交替行走，即 $w(WsetminusM) > w(W \cap M)$；
3. **正规交替行走（Proper Walk）**：若对称差 $WoplusM = (WsetminusM) \cup (MsetminusW)$ 依然构成一个合法的整数 $c$-匹配，则称 $W$ 是正规的；
4. **可行交替行走（Feasible Walk）**：存在充分小的 $\varepsilon > 0$，使得其 $\varepsilon$-增广向量 $x^{MLeftarrowW}(\varepsilon)$ 属于分数多面体 $P_{FCM}(G,c)$。

根据行走端点与闭合性质，论文给出了正规与可行的精确代数分类：
• **非闭行走（$u \neq v$）**：正规/可行 $\Longleftrightarrow$ 起始边 $e_{1} \in M$ 或 $d_{u}^{M} \leq c_{u} - 1$，且终止边 $e_{k} \in M$ 或 $d_{v}^{M} \leq c_{v} - 1$；
• **偶长度闭行走（$u = v,k$ 为偶数）**：恒为正规且可行；
• **奇长度闭行走（$u = v,k$ 为奇数）**：正规 $\Longleftrightarrow e_{1},e_{k} \in M$ 或 $d_{v}^{M} \leq c_{v} - 2$；可行 $\Longleftrightarrow e_{1},e_{k} \in M$ 或 $d_{v}^{M} \leq c_{v} - 1$。

基于上述结构，Gerstbrein et al. (2025) 证明了以下两个基石定理：

【基石定理：Theorem 1 与 Theorem 2】 **Theorem 1 (Gerstbrein et al. 2025, 最大权 $c$-匹配充要条件)**： 图 $(G,w,c)$ 中的 $c$-匹配 $M$ 是最大权重 $c$-匹配，当且仅当 $G$ 中不存在任何正规 $M$-增广迹（Proper $M$-augmenting trail）。 **Theorem 2 (Gerstbrein et al. 2025, 稳定性充要条件)**： 给定最大权 $c$-匹配 $M$，实例 $\lbrack(G,w,c),M\rbrack$ 是稳定的，当且仅当 $G$ 中不存在任何可行 $M$-增广行走（Feasible $M$-augmenting walk）。 **【经济学与博弈论意义】**：Theorem 1 刻画了静态系统帕累托最优配置的组合阻碍，表明只要没有局部正规迹可提高总剩余，匹配即达最大化；Theorem 2 进一步指出，稳定性要求杜绝一切“分数层面”可微调的套利行走。任何可行增广行走（哪怕是奇环）都会为局域玩家提供通过对偶重新分配收益而偏离的动力。

三、 多面体极值特征与极值回路理论

本节是全文理论大厦的核心支撑。作者摒弃了传统图论复杂的归纳构造，转而从凸多面体几何与极值回路（Circuits of Polytope）的角度，对分数匹配多面体 $P_{FCM}(G,c)$ 的顶点结构与转移方向展开了彻底的解构。

3.1 基本分数 c-匹配结构与半整数性定理 (Theorem 3)

多面体 $P_{FCM}(G,c)$ 的极点（Vertices / Extreme Points）被称为**基本分数 $c$-匹配（Basic Fractional $c$-Matching）**。作者给出了其充要结构刻画：

【定理 3：分数 $c$-匹配多面体极点结构定理】 **Theorem 3 (基本分数 $c$-匹配极点结构充要条件)**： 一个分数 $c$-匹配 $x \in P_{FCM}(G,c)$ 是多面体的极点（基本解），当且仅当： 1. 其分量取值严格满足半整数性：$x_{e} \in \{ 0,\frac{1}{2},1\},\forall e \in E$； 2. 所有取值为 $x_{e} = \frac{1}{2}$ 的边在图 $G$ 中诱导出一组**顶点不相交的奇环（Vertex-disjoint Odd Cycles）**； 3. 属于这些奇环的所有顶点在 $x$ 下均处于**完全饱和状态**（Saturated），即满足 $x(\delta(v)) = c_{v}$。

【数理推导与证明要点（附录 B 详解）】
• 必要性（$\Longrightarrow$）：设 $x$ 为极点，$H$ 为 $x$ 中取值处于 $(0,1)$ 的边诱导的连通子图。若 $H$ 包含偶环或含不同端点的极大路径，则可构造回路 $g \in \mathcal{C}_{1} \cup \mathcal{C}_{3}$ 使得 $x \pm \varepsilon g \in P_{FCM}$，矛盾于极点性。设 $T$ 为 $H$ 的生成树，若存在两条非树边，则可结合树路径构造包含两个奇环的回路 $g \in \mathcal{C}_{5}$ 产生扰动矛盾。故 $H$ 恰含一条非树边且无度为 1 节点，因此 $H$ 必为单奇环。若环上某点不饱和，则可构造 $g \in \mathcal{C}_{2}$ 扰动。故奇环互不相交且顶点全饱和，$x_{e}$ 必取 $\frac{1}{2}$。
• 充分性（$impliedby$）：定义权重向量 $w_{e} = 1$（若 $x_{e} > 0$）和 $w_{e} = - 1$（若 $x_{e} = 0$），则 $x$ 是 $\max w^{}topx$ 在 $P_{FCM}$ 上的唯一最优解，由线性规划理论必为极点。

根据 Theorem 3，任意基本分数 $c$-匹配 $x$ 的支集可天然划分为两部分：
• 整数匹配边集合：$M_{x}: = \{ e \in E:x_{e} = 1\}$；
• 分数奇环集合：$\mathcal{C}_{x}: = \{ C_{1},C_{2},\ldots,C_{q}\}$，其中每条环边 $x_{e} = \frac{1}{2}$。

3.2 奇环最少化与稳定性判据 (Proposition 1 & Theorem 4)

定义 $\mathcal{X}$ 为图 $G$ 中所有基本最大权重分数 $c$-匹配构成的集合。定义图 $G$ 的**最小分数奇环指标**：

$$\gamma(G): = \min_{x \in \mathcal{X}}|\mathcal{C}_{x}|$$

【命题 1 与定理 4：奇环最少化】 **Proposition 1 (稳定性与奇环数等价判据)**： 图 $(G,w,c)$ 存在稳定结果（即稳定）当且仅当 $\gamma(G) = 0$。 **Theorem 4 (最少奇环匹配多项式时间求解)**： 存在多项式时间算法，可计算出一个达到最少奇环数的基本最大权分数 $c$-匹配 $x$（即满足 $|\mathcal{C}_{x}| = \gamma(G)$）。

【意义解析】：$\gamma(G)$ 充当了衡量网络“不稳定程度”的核心势能函数。网络不稳定的根源就在于这 $\gamma(G)$ 个无法消除的分数奇环。稳定化的本质，就是在多项式时间内以最小的代价将 $\gamma(G)$ 彻底清零。

3.3 多面体极值回路理论与 5 类子图刻画 (Circuits & Proposition 2)

在多面体理论中，设多面体 $P = \{ x \in {\mathbb{R}}^{n}:Ax = b,Bx \leq d\}$，多面体任意一条一维边（1-dimensional face）的方向向量称为边方向。所有潜在的可能作为边方向的互质整数向量集合称为该多面体的**回路（Circuits）**，记为 $\mathcal{C}(P)$。De Loera, Kafer & Sanità (2022) 完整给出了分数匹配多面体回路对应的 5 类特征子图（Subgraph Classes）：

• $\mathcal{E}_{1}$（偶环 Even Cycle）：$F$ 为偶环，回路向量 $g \in \mathcal{C}_{1}$ 沿环边取 $+ 1, - 1$ 交替，满足所有顶点度平衡 $g(\delta(v)) = 0$；
• $\mathcal{E}_{2}$（奇环 Odd Cycle）：$F$ 为奇环，回路向量 $g \in \mathcal{C}_{2}$ 沿环边取 $+ 1, - 1$，恰有一个顶点 $w$ 满足 $g(\delta(w)) = \pm 2 \neq 0$，其余顶点平衡；
• $\mathcal{E}_{3}$（路径 Path）：$F$ 为路径，回路向量 $g \in \mathcal{C}_{3}$ 沿路径边取 $+ 1, - 1$，内部节点度平衡，端点 $g(\delta(u)) = \pm 1$；
• $\mathcal{E}_{4}$（奇环+非空路径 $C \cup P$）：奇环 $C$ 与路径 $P$ 交于单点 $w$。回路向量 $g \in \mathcal{C}_{4}$ 在 $C$ 上取 $\pm 1$，在 $P$ 上取 $\pm 2$。交点 $w$ 处环内 $+ 1 + 1$ 与路径 $- 2$ 完美抵消，所有内部节点平衡；
• $\mathcal{E}_{5}$（两奇环结构 $C_{1} \cup P \cup C_{2}$）：两个奇环由路径 $P$ 连接（若 $P$ 为空则两奇环交于单点 $w$）。回路向量 $g \in \mathcal{C}_{5}$ 在奇环上取 $\pm 1$，在路径上取 $\pm 2$，所有顶点代数度完全平衡 $g(\delta(v)) = 0$。

图 1：多面体极值回路的 5 类特征子图结构 (E1 到 E5) 与向量赋值

【论文配图深度解析】 展示了定义在分数匹配多面体上的 5 类极值回路。蓝色/金色节点表示顶点，红绿标注的数值表示回路向量 g 在各边上的取值。特别注意：在 (d) E4 和 (e) E5 中，路径上的权值为 ±2，使得交点 w 处的代数度净变化精确为 0，构成了多面体极点间转移的基本原子步。

3.4 核心多面体几何跃迁定理 (Theorem 5)

Theorem 5 是本文最核心的多面体几何理论创新，它刻画了当多面体被一个平移超平面截断时，最优解沿多面体棱边单步转移的普适性质：

【核心几何定理：Theorem 5】 **Theorem 5 (截断多面体上的单步最优跃迁定理)**： 设 $P$ 为任意多面体，$a^{}topx \leq b$ 为 $P$ 描述中的一条不等式，$\delta > 0$。 设 $x$ 是线性规划 $\max\{ c^{}topx:x \in P,\ a^{}topx \leq b - \delta\}$ 的最优解，满足： (i) $x$ 不是原线性规划 $\max\{ c^{}topx:x \in P\}$ 的最优解； (ii) 多面体 $P$ 不存在任何顶点 $\overset{\sim}{x}$ 满足严格介于两者之间：$b - \delta < a^{}top\overset{\sim}{x} < b$。 则必然可以**仅沿 $P$ 的一条棱边进行单步移动（1-step）**，从 $x$ 到达原问题 $\max\{ c^{}topx:x \in P\}$ 的某个基本最优解 $x^{*}$（即 $x^{*}$ 与 $x$ 在 $P$ 上相邻）。

【Theorem 5 的严格数理推导】
1. 令 $x^{*}$ 为原问题最优解中距离 $x$ 边数最少的极点。易知 $a^{}topx = b - \delta$ 且 $a^{}topx^{*} = b$（否则存在内部凸组合矛盾）。
2. 定义截断子多面体 $P\prime = \{ x \in P:a^{}topx \geq b - \delta\}$。$x$ 与 $x^{*}$ 在 $P$ 上相邻等价于在 $P\prime$ 上相邻。
3. 反证：若 $x$ 与 $x^{*}$ 在 $P\prime$ 上不相邻，则线段 $\lambda\prime x + (1 - \lambda\prime)x^{*}$ 可以表示为 $P\prime$ 其他极点的凸组合 $\sum_{}^{}{}\alpha_{i}{\hat{x}}^{i} + \sum_{}^{}{}\beta_{j}{\overset{\sim}{x}}^{j}$（其中 $a^{}top{\hat{x}}^{i} = b - \delta,a^{}top{\overset{\sim}{x}}^{j} = b$）。
4. 两边同乘 $a^{}top$ 得到系数守恒 $\lambda\prime = \sum_{}^{}{}\alpha_{i}$ 及 $1 - \lambda\prime = \sum_{}^{}{}\beta_{j}$；两边同乘目标向量 $c^{}top$，由 $x$ 和 $x^{*}$ 的局部与全局最优性，迫使所有不等式取等号，从而所有 ${\overset{\sim}{x}}^{j}$ 均为原问题最优极点。
5. 构造从相邻极点 $x\prime$ 出发的射线，若不落在外部则导出 $x\prime$ 为最优顶点的矛盾；若落在面边界上，则通过有限次维数严格递减的极小面规约，最终在线段所在一维边上达到矛盾。故 $x$ 与 $x^{*}$ 必相邻！

图 2：Theorem 5 多面体截面与单步最优跃迁几何直观

【论文配图深度解析】 灰色虚线区域为原多面体 P，红色实线为割平面 a^T x = b - δ，蓝色浅色区域为截断多面体 P'。点 x 为割平面上的最优解，通过沿 P 的一条棱边单步移动（1-step），直接跃迁至原多面体最优面 a^T x = b 上的最优极点 x*。

3.5 容量削减与边删除的多面体单步/两步跃迁 (Theorem 6 & Theorem 7)

借助 Theorem 5，作者直接推导出了针对网络图操作的两个关键跃迁定理：

• **Theorem 6 (单点容量削减 1 的单步跃迁)**：
设 $x$ 是 $G\lbrack c_{v} - 1\rbrack$ 中的最大权分数 $c$-匹配。若 $x$ 在 $G$ 中基本但在 $G$ 中非最优，则在 $P_{FCM}(G,c)$ 上**只需 1 步移动**即可到达 $G$ 的基本最大权分数 $c$-匹配。
【推导】：将约束设为 $x(\delta(v)) \leq c_{v}$，取 $\delta = 1$。由 Theorem 3，所有基本解的度数 $x(\delta(v))$ 均为整数，故不存在介于 $c_{v} - 1$ 与 $c_{v}$ 之间的分数度数极点，直接满足 Theorem 5 的条件 (ii)。

• **Theorem 7 (删边操作的至多两步跃迁)**：
设 $x$ 是 $Gsetminuse$ 中的最大权分数 $c$-匹配。若 $x$ 在 $G$ 中基本但在 $G$ 中非最优，则在 $P_{FCM}(G,c)$ 上**至多需 2 步移动**即可到达 $G$ 的基本最大权分数 $c$-匹配。若需 2 步，第一步到达 $x_{e} = \frac{1}{2}$ 的极点，第二步到达 $x_{e} = 1$ 的极点。
【推导】：将多面体沿 $x_{e} \leq \frac{1}{2}$ 和 $x_{e} \geq \frac{1}{2}$ 剖分为两个子多面体 $P_{\leq}$ 和 $P_{\geq}$，分别应用 Theorem 5（步长 $\delta = \frac{1}{2}$），由于极点分量只能是 $0,\frac{1}{2},1$，各区间内部无其他极点，两步之内必达全局最优。

3.6 相邻极点回路转移与奇环数变动定理 (Theorem 8)

Theorem 8 建立了极点沿回路移动时，奇环集合 $|\mathcal{C}_{x}|$ 的精确代数演化规律：

【定理 8：相邻极点转移与奇环演化】 **Theorem 8 (相邻极点回路转移与奇环演化定理)**： 若 $x$ 和 $y$ 是 $P_{FCM}(G,c)$ 的相邻极点，则必有 $y = x + \alpha g$，其中 $g \in \mathcal{C}(P_{FCM})$ 且步长 $\alpha \in \{\frac{1}{2},1\}$。进一步： 1. 若 $\alpha = 1$，则 $g \in \mathcal{C}_{1} \cup \mathcal{C}_{2} \cup \mathcal{C}_{3}$，且奇环数不变：$|\mathcal{C}_{y}| = |\mathcal{C}_{x}|$； 2. 若 $\alpha = \frac{1}{2}$，则 $g \in \mathcal{C}_{1} \cup \mathcal{C}_{2} \cup \mathcal{C}_{4} \cup \mathcal{C}_{5}$： • 若 $g \in \mathcal{C}_{1}$（偶环），则 $|\mathcal{C}_{y}| = |\mathcal{C}_{x}|$； • 若 $g \in \mathcal{C}_{2} \cup \mathcal{C}_{4}$（单奇环相关），则 $|\mathcal{C}_{y}| = |\mathcal{C}_{x}| \pm 1$，且 $g$ 中的奇环必属于 $\mathcal{C}_{x}$ 或 $\mathcal{C}_{y}$； • 若 $g \in \mathcal{C}_{5}$（双奇环相关），则 $|\mathcal{C}_{y}| = |\mathcal{C}_{x}| \pm \{ 0,2\}$，两奇环或同属 $\mathcal{C}_{x}$、同属 $\mathcal{C}_{y}$，或各属其一。

图 3：Theorem 8 辅助完美匹配多面体中相邻极点与回路作用示例

【论文配图深度解析】 展示了带自环图中的极点转移。(a) 为分数匹配 x；(b) 为相邻极点 y；(c) 为作用的回路向量 g（满足 y = x + 0.5g）；(d) 为去除饱和匹配边后的诱导子图 G_bar，严密证明了支撑集中至多包含 2 个奇环，从而限制了奇环变动幅度至多为 2。

四、 容量稳定子（Capacity Stabilizer）的算法与数理推导

定义多重集 $S \subseteq V$ 为图 $G$ 的一个**容量稳定子（Capacity Stabilizer）**，若将 $S$ 中所有顶点的容量对应扣减 1（即图 $G\lbrack c_{S} - 1\rbrack$）后，网络实例变为稳定的。本节将利用多面体工具，彻底攻克容量稳定子的下界、精确算法、公平性以及保值性。

4.1 容量稳定子规模下界定理 (Lemma 1)

【引理 1：容量稳定子下界】 **Lemma 1 (容量稳定子规模理论下界)**： 对图 $G$ 的任意容量稳定子 $S$，其规模必然满足： $|S| \geq \gamma(G)$

【数理证明全过程】
由 Proposition 1，稳定图的奇环数为 0。欲证 $|S| \geq \gamma(G)$，只需证明对任意顶点 $v \in V$，将 $v$ 的容量削减 1 个单位，奇环数至多减少 1，即：

$$\gamma(G\lbrack c_{v} - 1\rbrack) \geq \gamma(G) - 1$$

设 $x$ 为 $G\lbrack c_{v} - 1\rbrack$ 中具有 $\gamma(G\lbrack c_{v} - 1\rbrack)$ 个奇环的基本最大权分数 $c$-匹配，$(y,z)$ 为对应的对偶最优解。恢复 $v$ 的容量到 $G$ 中：
• 若 $x$ 在 $G$ 中仍为最大权，则 $\gamma(G) \leq |\mathcal{C}_{x}| = \gamma(G\lbrack c_{v} - 1\rbrack)$，不等式显然成立；
• 若 $x$ 在 $G$ 中非最大权，则互补松弛条件必在 $v$ 处被打破，即 $y_{v} > 0$ 且 $x(\delta(v)) = c_{v} - 1 < c_{v}$：
- **情形 1（$v$ 在某个奇环 $C \in \mathcal{C}_{x}$ 上）**：对奇环 $C$ 进行交替舍入（Alternate Rounding）覆盖 $v$（使 $v$ 关联边升至 1），得到新的基本解 $\hat{x}$。此时 $\hat{x}$ 与 $(y,z)$ 在 $G$ 中满足互补松弛条件，故 $\hat{x}$ 为 $G$ 的最大权解，且其奇环数精确减少 1：$|\mathcal{C}_{\hat{x}}| = |\mathcal{C}_{x}| - 1$。因此 $\gamma(G) \leq |\mathcal{C}_{\hat{x}}| = \gamma(G\lbrack c_{v} - 1\rbrack) - 1$；
- **情形 2（$v$ 不在任何奇环上）**：$x$ 在 $G$ 中仍为基本解。由 Theorem 6，从 $x$ 沿多面体边**只需 1 步移动**即可到达 $G$ 的基本最优解 $x^{*}$。由 Theorem 8，单步移动对应的回路 $g \in \mathcal{C}_{2} \cup \mathcal{C}_{3} \cup \mathcal{C}_{4}$ 使得奇环数变动幅度至多为 1（$|\mathcal{C}_{x^{*}}| \leq |\mathcal{C}_{x}| + 1$）。因此 $\gamma(G) \leq |\mathcal{C}_{x^{*}}| \leq \gamma(G\lbrack c_{v} - 1\rbrack) + 1$。
综上，单点容量削减至多消除 1 个奇环，Lemma 1 得证！

4.2 多项式时间容量稳定化算法设计 (Algorithm 1)

基于 Lemma 1 的对偶势能特征，作者提出了极为精妙的容量削减稳定化算法：

【算法 1：容量削减稳定化算法】 **Algorithm 1 (基于对偶贪心的容量稳定化算法)**： 1. 初始化稳定子集合 $S \leftarrow emptyset$； 2. 在原图 $G$ 中计算一个具有 $\gamma(G)$ 个分数奇环 $C_{1},C_{2},\ldots,C_{\gamma(G)}$ 的基本最大权分数 $c$-匹配 $x$，以及最小分数顶点覆盖对偶解 $(y,z)$； 3. 对每个独立的分数奇环 $C_{i}$ ($i = 1,\ldots,\gamma(G)$)： • 寻找环上对偶势能最小的顶点：$v_{i} \leftarrow \arg\min_{v \in V(C_{i})}y_{v}$； • 将该顶点加入集合：$S \leftarrow S \cup \{ v_{i}\}$； 4. 输出稳定化图 $G\lbrack c_{S} - 1\rbrack$。

4.3 算法最优性、公平性与 2/3 保值率定理 (Theorem 9)

【定理 9：容量稳定子最优性与 2/3 保值率】 **Theorem 9 (容量稳定化算法性能保证)**： Algorithm 1 是一个多项式时间算法，可计算出图 $G$ 的**最小容量稳定子** $S$。此外： a. **公平性保证**：集合 $S$ 不是多重集，每个顶点的容量至多削减 1 个单位； b. **2/3 价值保持率**：在任意非负边权重图上，稳定化后的最大权匹配价值至少保持原图的 $\frac{2}{3}$： $\nu^{c}(G\lbrack c_{S} - 1\rbrack) \geq \frac{2}{3}\nu^{c}(G)$

【Theorem 9 的严格数理证明】
1. **最优性与稳定性**：对每个奇环 $C_{i}$ 进行交替舍入暴露 $v_{i}$（使 $v_{i}$ 匹配度减 1），得到整数匹配 $\hat{x}$。$(y,z)$ 在 $G\lbrack c_{S} - 1\rbrack$ 下依然可行且与 $\hat{x}$ 满足互补松弛条件，故 $G\lbrack c_{S} - 1\rbrack$ 稳定。由于 $|S| = \gamma(G)$，由 Lemma 1 其规模严格最小；
2. **单点至多减 1**：由于 Theorem 3 保证所有奇环顶点不相交，算法在每个奇环仅挑 1 点，故 $S$ 中无重复点；
3. **2/3 保值率推导**：奇环 $C_{i}$ 长度 $|C_{i}| \geq 3$。由于 $v_{i} = \arg\min_{v \in V(C_{i})}y_{v}$，其对偶值不超过环上对偶均值：

$$y_{v_{i}} \leq \frac{y(V(C_{i}))}{|C_{i}|} \leq \frac{1}{3}y(V(C_{i}))$$

利用强对偶定理与对偶目标函数展开：

$$\nu^{c}(G\lbrack c_{S} - 1\rbrack) = \tau_{f}^{c}(G\lbrack c_{S} - 1\rbrack) = (c^{S - 1})^{}topy + \mathtt{1}^{}topz = c^{}topy - \sum_{i = 1}^{\gamma(G)}{}y_{v_{i}} + \mathtt{1}^{}topz$$

$$\geq c^{}topy - \sum_{i = 1}^{\gamma(G)}{}\frac{1}{3}y(V(C_{i})) + \mathtt{1}^{}topz \geq \frac{2}{3}(c^{}topy + \mathtt{1}^{}topz) = \frac{2}{3}\tau_{f}^{c}(G) \geq \frac{2}{3}\nu^{c}(G)$$

其中利用了对奇环上所有点 $c_{v} \geq 1 \Longrightarrow c_{v} - \frac{1}{3} \geq \frac{2}{3}c_{v}$。Theorem 9 证毕！
【理论渐近最优性说明】：Koh & Sanità (2020) 证明了在一般加权图中，三角形（3-cycle）权重分布可逼近 $\frac{2}{3}$ 损失极限，因此 $\frac{2}{3}$ 保持率是信息论与博弈论意义下的理论最优常数。

4.4 单位权重下的 100% 完全保值定理 (Theorem 10)

在无权重差异的单位权重图 $(G,\mathtt{1},c)$ 中，作者利用多面体回路理论证明了一个极为震撼的结构定理——稳定化可以实现**零价值损失**！

【定理 10：单位权重容量稳定子 100% 完全保值】 **Theorem 10 (单位权重下图容量稳定子的完全保值定理)**： 在单位权重网络 $(G,\mathtt{1},c)$ 中，对于任意**包含极小（Inclusion-wise Minimal）**的容量稳定子 $S$，必有： $\nu^{c}(G\lbrack c_{S} - 1\rbrack) = \nu^{c}(G)$ 即消除所有不稳定因素后，系统能够达成的最大交易对总数丝毫不减！

【Theorem 10 的深度多层数理推导】
设 $M$ 为 $G\lbrack c_{S} - 1\rbrack$ 中的最大基数 $c$-匹配。
• **Claim 1**：$M$ 在任意单点恢复图 $G\lbrack c_{Ssetminusv} - 1\rbrack$ 中依然是最大匹配。
*证明*：若否，则 $\nu^{c}(G\lbrack c_{Ssetminusv} - 1\rbrack) \geq |M| + 1$。由于 $G\lbrack c_{S} - 1\rbrack$ 稳定且对偶变量 $y \leq 1$，$\tau_{f}^{c}(G\lbrack c_{Ssetminusv} - 1\rbrack) \leq |M| + y_{v} \leq |M| + 1 \leq \nu^{c}(G\lbrack c_{Ssetminusv} - 1\rbrack)$，说明恢复 $v$ 后网络已然稳定，与 $S$ 的极小性矛盾。
• **Claim 2**：$M$ 在任意两点恢复图 $G\lbrack c_{Ssetminus\{ u,v\}} - 1\rbrack$ 中依然是最大匹配。
*证明*：利用多面体单步跃迁（Theorem 6）与回路分解（Theorem 8），若两点恢复后匹配数增加，则必存在回路 $h \in \mathcal{C}_{3}$（交替路径），进而与 Claim 1 或原图稳定性导出矛盾。
• **最终反证**：若 $|M| < \nu^{c}(G)$，由 Theorem 1 存在正规 $M$-增广迹 $T$ 连接端点 $s,t$。由于 $T$ 在 $G\lbrack c_{S} - 1\rbrack$ 中不可行，必有端点容量被 $S$ 削减：
- 若 $|S \cap \{ s,t\}| = 1$：$T$ 必在单点恢复图中构成正规增广迹，矛盾于 Claim 1；
- 若 $|S \cap \{ s,t\}| = 2$：$T$ 必在两点恢复图中构成正规增广迹，矛盾于 Claim 2。
故必有 $|M| = \nu^{c}(G)$，Theorem 10 完美得证！

五、 边稳定子（Edge Stabilizer）的近似算法与结构保值性

定义边子集 $F \subseteq E$ 为**边稳定子（Edge Stabilizer）**，若删去 $F$ 后的图 $GsetminusF: = (V,EsetminusF)$ 是稳定的。在商业谈判中，这对应于监管机构禁止某些特定交易通道。

5.1 边稳定子规模下界引理 (Lemma 2 & Lemma 3)

【引理 2 与引理 3：边稳定子规模下界】 **Lemma 2 (边稳定子规模一般下界)**： 对任意边稳定子 $F$，恒有： $|F| \geq \frac{1}{2}\gamma(G)$ **Lemma 3 (单位权重下边稳定子加强下界)**： 在单位权重网络 $(G,\mathtt{1},c)$ 中，下界加强为： $|F| \geq \gamma(G)$

【Lemma 2 证明要点】：利用 Theorem 7（删边两步跃迁）与 Theorem 8，删除一条边至多触发两次回路转移，每次转移奇环数至多减少 1（或两步总共减少 2），故单条边至多消除 2 个奇环：$\gamma(Gsetminuse) \geq \gamma(G) - 2$。在单位权重下，由于基数增广回路限制，两步转移中不可能同时减少奇环，故单边至多消除 1 个奇环，Lemma 3 得证。

5.2 边稳定子问题的多项式时间 O(Δ) 近似算法 (Theorem 11)

利用容量稳定子算法 Algorithm 1 作为核心子程序，作者构造了边稳定子的高效近似算法：

【定理 11：边稳定子 $O(\Delta)$ 近似算法】 **Theorem 11 (边稳定子 $O(\Delta)$ 近似算法)**： 边稳定子问题存在高效的多项式时间 $O(\Delta)$ 近似算法（其中 $\Delta = \max_{v \in V}|\delta(v)|$ 为网络最大度数）。 **【算法构造机制】**： 1. 运行 Algorithm 1 获得最小容量削减顶点集合 $S = \{ v_{1},\ldots,v_{\gamma(G)}\}$ 以及基本分数解 $x$； 2. 构建边删除集合：删除 $S$ 中每个顶点的所有**非匹配关联边**： $F: = {bigcup}_{v \in S}(\delta(v)setminusM_{x})$ 3. 输出稳定化网络 $GsetminusF$。

【Theorem 11 数理证明】：由度数定义，$|F| \leq \sum_{v \in S}^{}{}|\delta(v)| \leq \Delta \cdot |S| = \Delta \cdot \gamma(G)$。由 Lemma 2 最优边稳定子 $|F^{*}| \geq \frac{1}{2}\gamma(G)$，故近似比 $\frac{|F|}{|F^{*}|} \leq 2\Delta = O(\Delta)$。通过对偶变量显式修正 $(\hat{y},\hat{z})$（将 $v \in S$ 的势能 $y_{v}$ 转移到关联边的 $z$ 变量上），严格验证其满足互补松弛条件，证明了 $GsetminusF$ 的稳定性。

5.3 单位权重下极小边稳定子的完全保值定理 (Theorem 12)

【定理 12：单位权重边稳定子 100% 完全保值】 **Theorem 12 (单位权重下边稳定子完全保值定理)**： 在单位权重网络 $(G,\mathtt{1},c)$ 中，对于任意**包含极小（Inclusion-wise Minimal）**的边稳定子 $F$，必有： $\nu^{c}(GsetminusF) = \nu^{c}(G)$

【Theorem 12 证明精要】：取与 $F$ 重叠边数 $|M \cap F|$ 最小的最大 $c$-匹配 $M$。若重叠大于 0，在图 $Gsetminus(FsetminusM)$ 中，由极小性存在回路 $g \in \mathcal{C}_{2} \cup \mathcal{C}_{4}$ 诱导一条可行增广闭行走 $W$。证明 $W \cap F = emptyset$（Claim 3），从而 $W$ 在 $GsetminusF$ 中依然可行。结合 $GsetminusF$ 中由稳定性导出的正规增广迹 $T$，通过将 $T$ 与 $W$ 拼接为新迹 $W\prime$，对 5 种端点饱和度情形分类讨论，均导出存在与 $F$ 重叠更少的新最大匹配 $M\prime$ 的矛盾，从而证明 $|M \cap F| = 0$，保值性成立！

5.4 一般权重下最小边稳定子与保权边稳定子的 Ω(|V|) 规模鸿沟 (Theorem 13)

当推广到一般边权重时，完全保持权重的要求会付出极其惨重的代价。作者构造了一个极值拓扑图族，严格证明了二者的规模鸿沟：

【定理 13：保权边稳定子规模鸿沟定理】 **Theorem 13 (保权边稳定子与最小边稳定子的 $\Omega(|V|)$ 鸿沟定理)**： 存在图族 $(G,w,\mathtt{1})$，使得最小边稳定子的规模与最小**保权边稳定子**（Weight-preserving Edge Stabilizer）的规模相差达到 $\Omega(|V|)$！

图 4：Theorem 13 极值图构造：最小边稳定子与保权边稳定子规模相差 Ω(|V|)

【论文配图深度解析】 网络包含 k 个三角结构 (a, b_i, c_i)。初始唯一最大匹配包含边 ua (权 ε)、vw (权 1) 及所有三角底边 b_i c_i (权 2)，总权 2k+1+ε。若允许损失微小的 ε，只需删除 2 条边 {ua, vw} 即可使网络稳定（右侧只需匹配 wa）；但若强制完全保权，则必须保留原匹配 M，为了破坏 k 条可行增广行走，必须在每个三角形中各删一条边，删边总数至少为 k = Ω(|V|)。

5.5 降低边权代替删边的无效性定理 (Theorem 14)

一个直观的机制设计设想是：能否通过温和降低边权重 $w_{e} - {\overset{\sim}{w}}_{e}$ 代替粗暴删边？Theorem 14 给出了否定的理论回答：

【定理 14：降低边权的等价无效性】 **Theorem 14 (边降权稳定化无效性定理)**： 设 $\overset{\sim}{w} \in {\mathbb{R}}_{\geq 0}^{E}$ 是使 $(G,w - \overset{\sim}{w},c)$ 稳定且降权总量 $\mathtt{1}^{}top\overset{\sim}{w}$ 最小的最优降权向量。 则对于任意被降低权重的边 $f \in E$（即 ${\overset{\sim}{w}}_{f} > 0$），边 $f$ 绝不可能出现在 $(G,w - \overset{\sim}{w},c)$ 的任何最大权重 $c$-匹配中！ 【博弈论启示】：降低边权在经济实质上完全等价于彻底删除该边，无法作为独立于删边的温和稳定化机制。

六、 附录技术深潜：转化降维的局限性与多项式时间算法

在处理带容量组合优化问题时，经典文献常尝试将容量问题转化为无容量（单位容量）辅助图。作者在附录中深入分析了三种转化思路在网络谈判博弈中的失效机理，深刻凸显了本文直接采用多面体回路分析的先进性。

6.1 朴素顶点复制法的失效机理 (Figure A.1)

最直接的转化是将每个容量为 $c_{v}$ 的顶点拆分为 $c_{v}$ 个副本，并在两端副本间连完全二部图。然而，这种转化会错误地将原本不稳定的博弈实例变为稳定实例！

图 A.1：朴素顶点复制导致不稳定图误判为稳定图的反例

【论文配图深度解析】 (a) 原图 G 中由于边 vx 只能匹配 1 次，奇环无法消除，博弈不稳定；(b) 复制为 v1, v2 及 x1, x2 后，副本间二部图允许同时匹配 v1x1 和 v2x2，错误地消除了分数奇环，彻底破坏了原博弈的谈判阻碍结构。

6.2 第二种辅助图转化的对偶失真与权重多损 (Figure A.2)

第二种转化通过引入边顶点与双图副本构造单位容量图。若直接套用单位容量稳定化算法，辅助图中的对偶变量分布发生严重扭曲，导致删除了对偶值过高的节点，大幅超出理论最优的权重损失。

图 A.2：第二种辅助图转化中由于对偶值失真导致过多权重损失的反例

【论文配图深度解析】 在辅助图 (d) 中，算法盲目选择了对偶值最低的黑色节点删除，但映射回原图 (c) 后，被削减容量的节点在原图中并非对偶值最低点，导致匹配权重从最优的 12 骤降至 11 或 9，破坏了 2/3 保值证明链条。

6.3 第三种转化的边稳定子不可逆映射 (Figure A.3)

第三种转化（Schrijver, 2003）虽然能较好保持匹配，但其边稳定子无法逆向映射回原图。在辅助图中删除一条中间边可实现稳定，但映射回原图删除对应主边后，原图仍然是不稳定的！

图 A.3：第三种辅助图转化中边稳定子逆向映射失效的反例

【论文配图深度解析】 辅助图 (d) 中仅需删除边 e_v e_u 即可恢复稳定 (e)；但逆向映射到原图 (a) 中删除对应边 uv 后，原图 (c) 依然存在分数奇环，未能实现网络稳定。

6.4 最小奇环数匹配的多项式时间算法映射机制 (Figure C.1)

尽管转化法在稳定化上失效，但作者巧妙地利用第三种转化证明了 Theorem 4：在辅助图 $\hat{G}$ 中求解最少奇环匹配 $\hat{x}$ 后，可通过 6 种标准子图构型将其无损映射回原图的基本分数 $c$-匹配 $x$，且严格保持奇环数不变（$|\mathcal{C}_{x}| = |\mathcal{C}_{\hat{x}}| = \gamma(G)$）。

图 C.1：辅助图子图匹配与原图分数匹配转换的 6 种构型状态

【论文配图深度解析】 展示了边 e 对应的辅助子图构型 A 到 F。非标准构型 (d) 和 (e) 可在不改变目标权重与奇环数的前提下分别无损等价转换为标准构型 (a) 和 (f)，从而确保了原图多项式时间奇环最少化算法的正确性。

七、 全文命题意义总结、管理启示与未来研究方向

7.1 全文核心命题与定理综合对照

定理/命题编号	核心数理结论	计算复杂度 / 近似界	博弈论与经济学核心意义
Theorem 1	M 为最大权匹配 $\Longleftrightarrow$ 无正规 M-增广迹	多项式时间判定	系统帕累托最优配置的微观阻碍刻画
Theorem 2	[(G,w,c),M] 稳定 $\Longleftrightarrow$ 无可行 M-增广行走	多项式时间判定	网络纳什谈判均衡的无套利充要条件
Theorem 3	极点分量为 $\{ 0,1/2,1\}$，奇环不相交且全饱和	多面体极点刻画	网络不稳定性的物理载体必为分数奇环
Proposition 1	网络稳定 $\Longleftrightarrow \gamma(G) = 0$	等价判据	γ(G) 是衡量网络谈判不稳定性程度的核心指标
Theorem 5	截断多面体非最优极点沿边单步达最优	多面体几何通用定理	多面体局域割平面跃迁理论的基础工具
Theorem 6	单点容量减 1，至多 1 步转移达最优极点	多面体单步跃迁	容量削减操作具有极高局域几何规整性
Theorem 7	删去一条边，至多 2 步转移达最优极点	多面体两步跃迁	删边操作对多面体极点结构的扰动可控
Lemma 1	容量稳定子规模下界 $|S| \geq \gamma(G)$	理论严格下界	消除每个独立奇环至少需削减 1 单位容量
Theorem 9	Algorithm 1 求解最小容量稳定子；单点至多减 1；2/3 保值	多项式时间精确求解	实现最优、公平且高保值的温和网络治理
Theorem 10	单位权重图极小容量稳定子实现 100% 完全保值	零价值损失	均质市场中容量微调不会导致任何交易萎缩
Theorem 11	基于容量算法构造边稳定子 $O(\Delta)$ 近似算法	多项式时间 $O(\Delta)$ 近似	首创带容量网络边稳定化的高效算法方案
Theorem 12	单位权重图极小边稳定子实现 100% 完全保值	零价值损失	均质市场中精准阻断交易不降低总成交量
Theorem 13	一般权重图最小边稳定子与保权边稳定子相差 $\Omega(|V|)$	规模鸿沟定理	非均质市场中苛求绝对保权将导致过度监管
Theorem 14	降低边权的最优解必然导致该边无法达成匹配	等价无效性定理	温和降权在机制上等同于彻底封杀该交易

7.2 理论与管理启示 (Managerial & Practical Implications)

【核心理论、管理与政策启示】 **1. 数字平台与双边市场治理：从“粗暴封杀”转向“精准配额微调”** 在电商、网约车、众包物流等双边交易网络中，供需失衡与恶性竞争常导致市场不稳定（部分主体不断毁约跳单）。以往平台治理倾向于封禁核心商户（完全删除顶点），但这已被证明是 NP-hard 的且极易引发商户强烈抵触。Theorem 9 表明，平台只需对每个冲突环路上的关键节点削减至多 1 个交易配额（如限制接单上限），即可在多项式时间内以极低的计算成本恢复全网纳什均衡，且全网交易价值至少保留 66.7% 以上，兼顾了监管效率与平台生态的公平性。 **2. 单位权重市场的无摩擦稳定化定律** Theorem 10 和 Theorem 12 揭示了均质（单位权重）交易网络的重要结构法则：无论采用容量微调还是精准禁令，极小干预措施都能实现 100% 的价值无损保持。这意味着在同质化交易场景（如标准化金融合约结算、基础算力节点调度）中，监管机构可以大胆实施去冲突化干预，完全无需担忧总成交规模萎缩。 **3. 警惕“过度保权”导致的监管泛化陷阱** Theorem 13 为监管政策制定敲响了警钟：在高度非均质网络中，若执意追求“零价值损失”，所需的监管干预规模将从常数级暴增至与全网节点规模成正比的 $\Omega(|V|)$。明智的平台设计者应当容忍微小的局部价值让步（如损失 $\varepsilon$ 剩余），以换取干预范围缩小几个数量级的巨大制度优势。 **4. 运筹优化算法的新范式：多面体回路分析的广泛前景** 文章成功应用多面体 Circuits 理论解决图稳定化难题，展示了连续多面体几何在离散网络博弈设计中的强大威力。这一范式为未来研究网络鲁棒性设计、多商品流网络均衡以及动态匹配机制提供了极具潜力的全新数学工具箱。