圖形切割優化是一種適用于離散變量函數系列的組合優化方法，以流動網絡理論中的切割概念命名。由于xxx流量最小切割定理，確定代表流量網絡的圖形上的最小切割等同于計算該網絡上的xxx流量。給定一個偽布爾函數{displaystylef}，如果有可能構建一個偽布爾函數如果有可能構建一個具有正數權重的流網絡，使得在多項式時間內，通過計算圖形的最小切面，可以找到f{displaystylef}的全局最優。切割和變量分配之間的映射是通過用圖中的一個節點代表每個變量來完成的，給定一個切割，如果相應的節點屬于連接到源的組件，則每個變量的值為0，如果屬于連接到匯的組件，則為1。并非所有的偽布爾函數都可以用流網絡表示，在一般情況下，全局優化問題是NP-hard。存在充分的條件來描述可以通過圖切優化的函數家族，如子模四元函數。圖形切割優化可以擴展到具有有限數量值的離散變量的函數，可以用具有強優化特性的迭代算法來處理，在每次迭代中計算一個圖形切割。圖切優化是推斷馬爾科夫隨機場或條件隨機場等圖形模型的重要工具，它在計算機視覺問題上有應用，如圖像分割、去噪、注冊和立體匹配。

一個偽布爾函數{displaystyleG=（V,E）}具有非負的權重，并且有源節點和匯節點{displaystylef(x_{1},dots,x_{n})}等于（至多是常數）由最小切割決定的流量值。等于（到一個常數）由最小切割決定的流量值C=(S,T){displaystyleC=(S,T)}相當于圖的最小切口C=(S,T){displaystyleG}的最小切割所決定的值。可以根據偽布爾函數的順序對其進行分類，順序由每個單項的xxx變量數決定。

所有一階函數，即每個項最多取決于一個變量，總是可以表示的。二次函數是可表示的，當且僅當它們是次模態的，即對于每個二次項是可表示的，當且僅當它們是有規律的，即所有可能的二元投影到兩個變量，通過固定其余變量的值得到的，都是亞模數。對于高階函數，規則性是可表示性的一個必要條件。

可表示函數的圖形構造因以下事實而簡化：兩個可表示函數之和{displaystyleG''=(V'',E'')}表示兩個函數。代表這兩個函數。這樣的定理允許建立代表每個術語的獨立圖形，并將它們結合起來，得到一個代表ent的圖形。