网络流

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<<"\n";
}

 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以及图中的边的边权,

   求一个权值和最小的边集,使得删除这些边之后是s,t不连通。这类问题,一般运用最

   大流等于最小流定理,求出最大流来解决。证明自行百度百科

   附上代码

   

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;
}

 

 

 

费用流

   费用流就是每条边除了有容量限制外,还有一个给定的单位费用 w(x,y),

   当流过(x,y)这条边时,要花费 f(x,y)*w(x,y)的费用

   一般求解的问题是最小费用最大流最大费用最大流,

   基于之前提到的Ek算法,把bfs改成spfa即可,

   就是每次先增广费用最小的流。。。

   

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;
    }
}

 

 

 

   end......

   

   

 

posted @ 2020-07-12 11:43  Aswert  阅读(1007)  评论(8编辑  收藏  举报