zoukankan html css js c++ java

网络流

网络流的概念

　　　在一个有向图上选择一个源点，一个汇点，每一条边上都有一个流量上限（以下称为容量），

　　　即经过这条边的流量不能超过这个上界，同时，除源点和汇点外，所有点的入流和出流都相等，

　　　而源点只有流出的流，汇点只有汇入的流。这样的图叫做网络流。

网络流的相关定义

　　源点：有n个点，有m条有向边，有一个点很特殊，只出不进，叫做源点。
　　汇点：另一个点也很特殊，只进不出，叫做汇点。
　　容量和流量：每条有向边上有两个量，容量和流量，从i到j的容量通常用c[i,j]表示,流量则通常是f[i,j].

　　通常可以把这些边想象成道路，流量就是这条道路的车流量，容量就是道路可承受的最大的车流量。

　　很显然的，流量<=容量。而对于每个不是源点和汇点的点来说，可以类比的想象成没有存储功能的货物的中转站，

　　所有“进入”他们的流量和等于所有从他本身“出去”的流量。

　　最大流：把源点比作工厂的话，问题就是求从工厂最大可以发出多少货物，是不至于超过道路的容量限制，也就是，最大流。

　　Ford-Fulkerson 增广路算法

　　　该方法通过寻找增广路来更新最大流，有 EK,dinic,SAP,ISAP 主流算法。

　　求解最大流之前，我们先认识一些概念。

　　　最常用的就是dinic（据说隔壁treaker只会这一种）。

　　　但是费用流需要用到EK算法，so，要学会EK算法，dinic；

　　　增广路：在图中若一条从源点到汇点的路径上所有边的剩余容量都大于 0 （注意是大于不是大于等于），这条路被称为增广路。

　　　EK算法O(nm²)

　　　求解思路：

　　　从图中找一条增广路，然后增广，怎么找？

　　　1.从源点开始bfs，找到到汇点的一条路径，并记录这条路径上所有边剩余流量最小值，因为要找增广

　　　路，所以我们在bfs时要判断一下边的剩余容量是否为0，记得用一个pre数组记录下路径。

　　　2.找到路径后，对其进行增广（代码里的up函数），增广就是把这条路径的每条边都减去这

　　　些边中剩余流量的最小值（bfs时记录），反向边加上这个最小值（关于方向边下面再解释）。

　　　3.一直找增广路增广，直到不能增广为止（找不到增广路）。

　　　可以看下面这张图。

　　　感谢SYCstudio的图

　　　感谢SYCstudio的图（本人较菜懒不会画）。

　　　上面我们提到了反向边，下面我们解释下为什么要建反向边。（放图，简单图我还是可以的现学的）

　　　像我们上面这张图，因为我们bfs时不能确定第一次走哪条边，要是你像bmf一样运气不好，

　　　如果bfs第一次找到的增广路是1→3→2→1的话，我们最后求得的最大流就是1.

　　　但是很明显这张图最大流是2，所以我们发现第一次找的增广路不是最优的，这时候你就凉了。

　　　那我们怎么解决呢反向边，反向边其实就是一个反悔的机会，也就是让流过的流量流回去。

　　　如果还不明白的话还学什么网络流，下面模拟一下这个过程。

　　　先说一下反向边的一些东西，反向边初始化为0，当正向边剩余流量减少的是时候，

　　　反向边流量增加同样的值，因为我们可以反悔的流量等于已经从这条边正向流过的流量。

　　　下面看一下我们是如何通过反向边反悔的又要做图qaq。

　　　因为我不会画反向边，所以我们假设‘1/0’左边那个数字表示正向变边权，右边是反向边。

　　　下面这张图就是建完边后的图。

　　　如果我们第一次找到的增广路是1→3→2→1的话，总流量+1=1，图就变成了

　　　我们发现我们还可以找到增广路1→2→3→4，总流量+1=2，图变成

　　　然后发现，找不到增广路了，程序结束不用作图了，我们发现

　　　再找增广路的过程中3→2这条边正向一次，反向一次，相当于流量为0.

　　　这就是反向边的作用。

　　　另外提供一种小技巧，使用邻接表建图的话，可以边的编号从2开始建，我们知道

　　　2^1=3,3^1=2……

　　　这样的话我们可以通过异或得到反向边的编号（记得建完正向边，紧接着就建反向边），具体看代码

　　　时间复杂度为O(nm²)至于为什么，本人很菜不会，另外，一般时间复杂度是远远达不到这个值的。

　　　代码（EK）

#include<iostream>
#include<cstdio>
#include<cstring>
#include<queue>
#define LL long long
using namespace std;
const int inf=1<<29;
const int N=207;
const int M=5e3+7;
int n,m,s,t,cnt=1;//从编号2开始建边 
LL maxf;//最大流 
int head[N],vis[N],pre[N];
LL incf[N];
LL v[N][N]; 
struct edge{
    int v,nxt;
    LL w;
}e[M<<1];//因为要建反向边，所以开二倍空间 
void add_edge(int u,int v,LL w){//存边 
    cnt++;
    e[cnt].v=v;
    e[cnt].w=w;
    e[cnt].nxt=head[u];
    head[u]=cnt;
}
bool bfs(){
    memset(vis,0,sizeof(vis));
    queue<int>q;
    q.push(s);
    vis[s]=1;
    incf[s]=inf;
    while(q.size()){
        int now=q.front();q.pop();
        for(int i=head[now];i;i=e[i].nxt){
            if(e[i].w==0||vis[e[i].v])continue;
            int to=e[i].v;
            incf[to]=min(incf[now],e[i].w);//记录路径最小边的流量 
            pre[to]=i;//记录路径边的编号 
            q.push(to);
            vis[to]=1;
            if(to==t)return 1;
        }
    }
    return 0;
}
void up(){
    int x=t;
    while(x!=s){
        int i=pre[x];
         e[i].w-=incf[t];
         e[i^1].w+=incf[t];//反向边加上正向边减少的流量 
         x=e[i^1].v;
    }
    maxf+=incf[t];
} 
inline int read()
{
    int x = 0 , f = 1;  char ch = getchar();
    while(ch < '0' || ch > '9') {if(ch == '-')  f = -1; ch = getchar();}
    while(ch >= '0' && ch <= '9') {x = (x << 3) + (x << 1) + (ch ^ 48); ch = getchar();}
    return x * f;
}
int main(){
    n = read(); m = read(); s = read(); t = read();
    for(int i=1;i<=m;i++){
        int x,y,z;
        x = read(); y = read(); z = read();
        v[x][y] += z;
    }
    for(int i = 1;i <= n;i ++) for(int j = 1;j <= n;j ++) if(v[i][j]) add_edge(i,j,v[i][j]),add_edge(j,i,0);
    while(bfs())up();
    cout<<maxf<<endl;
}//可能跟你们码风不同，╮(╯▽╰)╭

　　Dinic

　　　会了EK还学dinic有什么用呢，有用，我们来分析下下面这张图不小心把颜色改了下，懒得再做一张。

　　　如果你运气不好的话像bmf一样，若你每次找到的增广路都经过了2→3或3→2这条边的话你又凉了

　　　所以这时候就用到了我们的Dinic算法。

　　　Dinic 算法 的过程是这样的：每次增广前，我们先用 BFS 来将图分层。设源点的层数为1 ，

　　　那么一个点的层数便是它离源点的最近距离。

　　　层次用数组dep表示。分层图对于每条边满足dep[v]=dep[u]+1。

　　　我们思考，EK算法每轮可能会遍历整个图，但只找出一条增广路，属于单路增广。

　　　而Dinic属于多路增广，时间复杂度O(n²m)

　　　求解思路：

　　　1.bfs求出节点的层次，构建分层图

　　　2.对于求出的分层图，用dfs进行多路增广，由于本人菜，讲的不是很明白，我们可以看代码

　　　3.当前弧优化 ：cur[]数组的应用，如果一条边已经被增广过，那么它就没有可能被增广第二次。那么，我们下一次进行增广的时候，

　　　就可以不必再走那些已经被增广过的边。

#include<bits/stdc++.h>
#define LL long long
const int N=210;
const int M=5e3+7;
using namespace std;
int n,m,s,t,cnt=1;
LL max_flow;
int dep[N],head[N],cur[N];
struct edge{
    int v,w,nxt;
}e[M<<1];//数组含义与上一篇EK含义一样，cur[]数组是dinic的一个优化，下面会提到 
void add_edge(int u,int v,int w){
    cnt++;
    e[cnt].v=v;
    e[cnt].w=w;
    e[cnt].nxt=head[u];
    head[u]=cnt;
}

int bfs(){//构建分层图 
    for(int i=1;i<=n;i++) dep[i]=0;//每个节点层次初始化 
    queue<int>q;
    q.push(s);
    dep[s]=1;//源点初始化为1； 
    while(q.size()){
        int now=q.front();
        q.pop();
        for(int i=head[now];i;i=e[i].nxt){
            int to=e[i].v,val=e[i].w;
            if(val&&(!dep[to])){//构建分层图的时候要保证边不为0,如果dep[]已经被更新就不用更新了 
                q.push(to);
                dep[to]=dep[now]+1;
                if(to==t)return 1;//如果到达汇点，进行dfs 
            }
        }
    }
    return 0;
}

int dfs(int u,int flow){
    if(u==t)return flow;
    int rest=flow,k;//rest表示当前这个节点最大允许通过流量 
    for(int i=cur[u];i&&rest;i=e[i].nxt){ 
        cur[u]=i;//当前弧优化
        int to=e[i].v,val=e[i].w;
        if(val&&(dep[to]==dep[u]+1)){
            int k=dfs(to,min(rest,val));//寻找增广路 
            if(!k)dep[to]=0;//如果在to之后的路径找不到增广路,踢出分层图 
            e[i].w-=k;//回溯时更新边权 
            e[i^1].w+=k;
            rest-=k;//当前节点最大允许通过流量减去这次通过的流量 
        }
    }
    return flow-rest; 
}

int main(){
    scanf("%d%d%d%d",&n,&m,&s,&t);
    for(int i=1;i<=m;i++){
        int x,y,z;
        scanf("%d%d%d",&x,&y,&z);
        add_edge(x,y,z);
        add_edge(y,x,0);
    }
    int flow=0;
    while(bfs()){
        for(int i=1;i<=n;i++){
            cur[i]=head[i]; //当前弧初始化 
        }
        while(flow=dfs(s,1<<29))max_flow+=flow;
    }
    cout<<max_flow<<"
";
}

最小割

　　　最小割问题是指：给出一种有向图（无向图）和两个点s，t

int bfs(){
    for(int i=1;i<=2*n;i++)dep[i]=0;
    queue<int>q;
    q.push(s);
    dep[s]=1;
    while(q.size()){
        int now=q.front();
        q.pop();
        for(int i=head[now];i;i=e[i].nxt){
            int to=e[i].v,val=e[i].w;
            if(val&&!dep[to]){
                q.push(to);
                dep[to]=dep[now]+1;
                if(to==t)return 1;
            }
        }
    }
    return 0;
}
int dfs(int u,int flow){
    if(u==t)return flow;
    int rest=flow,k;
    for(int i=cur[u];i;i=e[i].nxt){
        cur[u]=i;
        int to=e[i].v,val=e[i].w;
        if(val&&(dep[to]==dep[u]+1)){
            k=dfs(to,min(val,rest));
            if(!k)dep[to]=0;
            e[i].w-=k;
            e[i^1].w+=k;
            rest-=k;
        }
    }
    return flow-rest;
}

int spfa(){//最小费用最大流
    for(int i=0;i<=n;i++)dis[i]=inf,vis[i]=0;
    queue<int>q;
    q.push(s);
    dis[s]=0;
    vis[s]=1;
    incf[s]=inf;
    while(q.size()){
        int now=q.front();
        vis[now]=0;
        q.pop();
        for(int i=head[now];i;i=e[i].nxt){
            int to=e[i].v,val=e[i].w;
            if(!val)continue;
            if(dis[to]>dis[now]+e[i].f){
                dis[to]=dis[now]+e[i].f;
                incf[to]=min(incf[now],val);
                pre[to]=i;
                if(!vis[to]){
                    vis[to]=1;
                    q.push(to);
                }
            }
        }
    }
    if(dis[t]==inf)return 0;
    return 1;
}
int up(){
    int x=t;
    max_flow+=incf[t];
    min_cost+=dis[t]*incf[t];
    while(x!=s){
        int i=pre[x];
        e[i].w-=incf[t];
        e[i^1].w+=incf[t];
        x=e[i^1].v;
    }
}

查看全文

相关阅读:
基于node.js 的 websocket的移动端H5直播开发
 c# 基于RTMP推流 PC+移动端拉流播放
 Android Studio解决Error:moudle not specified
能ping通域名，却不能上网
 转 Postman访问Webapi的Get/Post/Put/Delte请求
 Sqlite 参数化模糊查询解决方案
 autofac使用总结
 windows7 安装pytorch
linux nginx 如何配置多个端口
 委托应用实例演变

原文地址：https://www.cnblogs.com/Aswert/p/13287851.html

网络流

网络流

网络流的概念

网络流的相关定义

Ford-Fulkerson 增广路算法

EK算法O(nm2)

求解思路：

代码（EK）

Dinic

求解思路：

最小割

费用流

　　Ford-Fulkerson 增广路算法

　　　EK算法O(nm²)

　　　求解思路：

　　　代码（EK）

　　Dinic

　　　求解思路：