网络流总结

基础知识

$\qquad$ 流网络是一个有源点 $s$ 和汇点 $t$ 的有向图（不考虑反向边），记为 $G = (V, E)$ 。其中每一条边都有一个容量 $c (u, v)$ 和一个流量 $f (u, v)$ 。对于该网络中的一个流 $f$ ，如果其满足两个条件：1、容量限制，即每条边都满足 $0\leq f(u,v)\leq c(u,v)$ ；2、流量守恒，即除去源点汇点以外，每个点 $x$ 都满足 $\sum_{u\in V}f(u,x)=\sum_{v\in V}f(x,v)$ ，那么我们称流 $f$ 是流网络 $G$ 的一个可行流。可行流的流量 $|f|=\sum_{u\in V}f(s,u)-\sum_{v\in V}f(v,s)$ ，即从源点流出的流量减去流入源点的流量。

$\qquad$ 残留网络是针对于原图中的一个流来说的。即，我们只能说“流 $f$ 的残留网络 $G_f$ ”。残留网络对于原图中的每一条边都增加一条反向边，这条反向边的流量与原图中边的流量相等。可以将残留网络中的边理解为“退流”。

$\qquad$ 两个可行流是可以相加减的，叠加的方式就是每条边上的流量对应相加减，而且得到的结果也一定是原图的一个可行流。

$\qquad$ 如果一个流网络中存在一条路径，这条路径中的任意一条边都没有达到满流（即 $f (u, v) < c (u, v)$ ），那么我们称这条路径为一条增广路径。

$\qquad$ 流网络中的最大流指的是最大可行流，即第一要满足此流是一条可行流，其次要满足它的流量是本图所有可行流中最大的一个。

$\qquad$ 流网络中的割指的是将图中的所有点分为 $S, T$ 两个点集，记作 $C (S, T)$ 。这两个点集要满足：1、 $s\in S,t\in T$ ；2、 $S\cap T=\emptyset$ ；3、 $S\cup T=V$ 。割的容量定义为： $\sum_{u\in S,v\in T}c(u,v)$ ，割的流量定义为： $\sum_{u\in S,v\in T}f(u,v)-\sum_{u\in T,v\in S}f(u,v)$ 。流网络中的最小割指的是容量最小。

最大流最小割定理

$\qquad$ 最大流最小割定理包含三条内容，这三条内容知一推二，分别是：1、可行流 $f$ 是最大流；2、可行流 $f$ 的残留网络中不存在增广路；3、存在某个割 $C (S, T)$ ，满足 $∣ f ∣ = C (S, T)$ 。

最大流

$\qquad$ 求最大流有两种算法： $E K$ 和 $d ini c$ 。

EK

$\qquad$ 根据最大流最小割定理，我们可以得知，当残留网络中不存在增广路时，该残留网络对应的流 $f$ 一定是最大流。 $E K$ 算法便是基于这个原理，每次 $b f s$ 找残留网络中的增广路并将其增广，直到网络中不存在增广路为止。

$\qquad$ $E K$ 算法时间复杂度为 $O(nm^2)$ ，不过网络流算法记时间复杂度用处不大。思路很简单，实现也很容易。

const int maxn = 110;
const int maxm = 5010;
typedef long long LL;
int n, m, S, T;
struct pic {
	int to, lst;
	LL cap;
}edge[maxm << 1];
int head[maxn], tot = -1/*边从0开始编号，目的是方便成对变换*/, pre[maxn]/*记录每个点第一次被搜到的前驱边是哪一条*/;
queue < int > q;
LL d[maxn];//记录到达当前点时当前增广路径的最大流量

inline void add(int x, int y, int z) {
	edge[++ tot] = {y, head[x], 1LL * z};
	head[x] = tot;
}

bool bfs() {//寻找增广路
	memset(vis, 0, sizeof vis);
	while(!q.empty()) q.pop();
	q.push(S), vis[S] = 1, d[S] = 1e9 + 7;
	while(!q.empty()) {
		int x = q.front(); q.pop();
		for(int i = head[x]; ~i; i = edge[i].lst) {
			int y = edge[i].to;
			if(!vis[y] && edge[i].cap/*有流量时才有意义去搜*/) {
				d[y] = min(d[x], edge[i].cap);//更新最大流量
				vis[y] = 1, pre[y] = i;
				if(y == T) return 1;//找到了一条增广路
				q.push(y);
			}
		}
	}
	return 0;
}

LL EK() {
	LL ans = 0;
	while(bfs()) {
		ans += d[T];
		for(int x = T; x != S; x = edge[pre[x] ^ 1/*成对变换*/].to) edge[pre[x]].cap -= d[T], edge[pre[x] ^ 1].cap += d[T];//对增广路进行增广操作
	}
	return ans;
}
//main中
memset(head, -1, sizeof head);
scanf("%d%d%d%d", &n, &m, &S, &T);
for(int i = 1, x, y, z; i <= m; i ++) {
	scanf("%d%d%d", &x, &y, &z);
	add(x, y, z), add(y, x, 0)/*建残留网络，一开始流量都是0*/;
}
printf("%lld\n", EK());
}

dinic

$\qquad$ 在 $E K$ 的基础之上，我们考虑优化。

$\qquad$ $E K$ 每次 $b f s$ 只找出来了一条增广路进行增广，效率较低。 $d ini c$ 算法依据分层思想，每次找出多条增广路同时进行增广，而且还有三处小优化，总体时间复杂度 $O(n^2m)$ ，~~不过法律规定网络流不许卡 dinic~~。

bool bfs() {//找增广路
	memset(d, -1, sizeof d);//分层
	while(!q.empty()) q.pop();
	d[1] = 0/*源点层数为0*/, q.push(1), cur[1] = head[1];//当前弧优化
	while(!q.empty()) {
		int x = q.front(); q.pop();
		for(int i = head[x]; ~i; i = edge[i].lst) {
			int v = edge[i].to; LL w = edge[i].cap;
			if(d[v] == -1 && w) {
				d[v] = d[x] + 1/*记录点v在点x下一层*/, cur[v] = head[v];//记录从哪一条边开始跑
				if(v == n) return 1;
				q.push(v);
			}
		}
	}
	return 0;
}

LL Find(int x, LL limit) {//limit:当前增广路径的最大流量
	if(x == n) return limit;//到了汇点
	LL flow = 0;//增广了多少流量
	for(int i = cur[x]; ~i && flow < limit/*优化1（最重要）：当flow>limit，再搜下去就无意义了，因为无法继续增广了*/; i = edge[i].lst) {
		cur[x] = i;//优化2：当前弧优化
		int v = edge[i].to; LL w = edge[i].cap;
		if(d[v] == d[x] + 1/*判断点v是否是点x的下一层*/ && w) {
			LL t = Find(v, min(w, limit - flow));
			if(!t) d[v] = -1;//优化3：如果这个点往后的流量是0，说明通过此点无法进行增广，直接删除即可
			edge[i].cap -= t, edge[i ^ 1].cap += t, flow += t;
		}
	}
	return flow;
}

LL dinic() {
	LL flow = 0, ans = 0;
	while(bfs()) while(flow = Find(1, INF)) ans += flow;
	return ans;
}

模型

二分图匹配

$\qquad$ 例题：飞行员配对方案问题，圆桌问题。

$\qquad$ 套路：用最大流中边的容量来对边进行限制。

无源汇上下界可行流

$\qquad$ 问题：给定一个包含 $n$ 个点 $m$ 条边的有向图，每条边都有一个流量下界和流量上界。求一种可行方案使得在所有点满足流量平衡条件的前提下，所有边满足流量限制。

$\qquad$ 对于上下界的限制，形式化写出来是： $c_{low}(u,v)\leq f(u,v)\leq c_{up}(u,v)$ ，我们可以选择让不等式同时减去 $c_{low}(u,v)$ 从而变成只有上界的问题。但是减完之后可能会有点不满足流量守恒，此时我们需要建立超级源点、超级汇点，根据每个点是少流还是多流来对它们进行补偿或减少（即与源点连还是与汇点连）。而且为了保证这些点一定流量守恒，与源点、汇点相连的边必须要是满流的。所以我们连好与超级源点、汇点的边后，直接在新网络上跑最大流，如果跑出来的不是满流，那么原问题一定无解；否则，让新网络中每条边的流量加上原来的下界，就是原问题的一个可行流。

$\qquad$ 核心 $C o d e$ ：

for(int i = 1, a, b, c, d; i <= m; i ++) {
	scanf("%d%d%d%d", &a, &b, &c, &d);
	add(a, b, d - c/*减去下节*/, c/*同时储存下界*/), add(b, a, 0, 0);
	A[a] -= c, A[b] += c;//记录每条边减去下界后，每个点流量的变化
}
int all = 0;
for(int i = 1; i <= n; i ++) {
	if(A[i] > 0) add(S, i, A[i], 0), add(i, S, 0, 0), all += A[i];//少流了，需要补
	else if(A[i] < 0) add(i, T, -A[i], 0), add(T, i, 0, 0);//多留了，需要放
}
if(dinic() < all) puts("NO");//不满流，无解
else {
	puts("YES");
	for(int i = 1; i <= (m << 1); i += 2) printf("%d\n", edge[i].cap + edge[i ^ 1].lower);//加上下界
}

有源汇上下界最大、最小流

$\qquad$ 面对上下界，我们可以考虑建一条从汇点指向源点，容量为 $I NF$ 的边，这样就转化为了无源汇上下界问题。我们可以先沿用无源汇上下界可行流的算法跑出一个可行流，然后将新添的边删去，再从源点向汇点跑出一个最大流，将这两个流相加便是答案。~~证明我也不太会……~~

$\qquad$ 核心 $C o d e$ ：

for(int i = 1, a, b, c, d; i <= m; i ++) {
	scanf("%d%d%d%d", &a, &b, &c, &d);
	add(a, b, d - c), add(b, a, 0);
	A[a] -= c, A[b] += c;
}
int all = 0;
for(int i = 1; i <= n; i ++) {
	if(A[i] > 0) add(S, i, A[i]), add(i, S, 0), all += A[i];
	else if(A[i] < 0) add(i, T, -A[i]), add(T, i, 0);
}
add(t, s, INF), add(s, t, 0);//添加一条t->s，INF的边
if(dinic() < all) puts("No Solution");
else {
	int res = edge[tot].cap;//跑出来的可行流，注意不是dinic返回的流，因为dinic返回的是S到T的，我们需要的是s到t的
	edge[tot].cap = edge[tot ^ 1].cap = 0, S = s, T = t;
	printf("%d\n", res + dinic());
}

$\qquad$ 对于最小流，我们让上述代码输出 $res - d ini c ()$ 即可。~~证明我还是不会……~~

多源汇最大流

$\qquad$ 超级源点指向各个源点，各个汇点指向超级汇点，然后跑最大流即可。

最大流之关键边

$\qquad$ 问题：如果升高一条边的容量可以使得最大流变大，那么我们称这条边为“关键边”。现在求网络中有几条“关键边”。

$\qquad$ 我们思考，什么样的边可以成为关键边？

$\qquad$ 在跑完最大流后，如果存在一条路径，这条路径中只有一条边是满流的，那么这条边一定是关键边。证明也很显然。那么，我们只需跑完最大流后，分别从源点和汇点开始 $df s$ ，每次只走没满流的边。搜完之后，如果一条边的两端点分别被源点和汇点搜到，那么它一定是关键边。

最大流之拆点

$\qquad$ 当我们有时要对点进行限制时，我们可以考虑拆点，在拆出的点之间加边来满足对点的限制。

$\qquad$ 例题：[USACO07OPEN] Dining G，最长不下降子序列问题。

最大流建图实战

$\qquad$ 例题：MPIGS - Sell Pigs，[SCOI2007] 蜥蜴，清理雪道。

最小割

$\qquad$ 根据“最大流最小割定理”，我们可以得知，网络中最小割的容量就是最大流的流量，所以我们完全可以用求最大流的方法求最小割。

$\qquad$ 但是，如果让求最小割的方案，怎么办呢？

$\qquad$ 参考最大流求关键边的做法，我们可以从源点开始 $df s$ ，每次只走没满流的边。最后如果有一条边的两个端点有一个被搜到了，另一个没有，那么这条边就要被割开。这也就意味着，整个图可以被分为“被搜到的点”和“没被搜到的点”两个点集。这样，其中一个合法方案就求出来了。

模型

最大权闭合子图

$\qquad$ 对于图 $G = (V, E)$ ，如果它的一个子图 $G^{'} = (V^{'}, E^{'})$ 满足 $V^{'}$ 中的任意一个点的任意一条出边都在 $E^{'}$ 内，那么就称 $G^{'}$ 是 $G$ 的一个闭合子图。如果给每个点附上点权（可为负），那么点权最大的一个闭合子图称为最大权闭合子图。

$\qquad$ 如果给出一个带点权的图，我们怎么求解它的最大权闭合子图呢？

$\qquad$ 首先，我们分别建立超级源点、超级汇点，超级源点指向所有正点权的点，边权为这个点的点权；所有负点权的点指向超级汇点，边权为这个点点权的绝对值；对于原图中的边，正常建在网络上，边权为 $I NF$ 。此时，我们设所有正点权的点的点权和为 $r$ 。建好图之后，在图上跑一个最小割，设这个最小割的权值是 $s$ ，那么原图的最大权闭合子图的权值便是 $r - s$ 。

$\qquad$ 例题：[NOI2006] 最大获利，太空飞行计划问题，[NOI2009] 植物大战僵尸。

最大密度子图

$\qquad$ 我们定义一个图 $G = (V, E)$ 的密度为 $\frac{|E|}{|V|}$ ，最大密度子图指的便是图 $G$ 中使得 $\frac{|E'|}{|V'|}$ 最大的子图 $G^{'} = (V^{'}, E^{'})$ 。

$\qquad$ 既然是要让一个分式最大，那么就一定要用到 $0/1$ 分数规划。设当前二分的值为 $g$ ，那么我们就要尽可能找到 $∣ E^{'} ∣ - g ∣ V^{'} ∣$ 的最大值。在求最大值的过程中，我们可以借助最小割来推导式子并求解。

$\qquad$ 核心 $C o d e$ ：

bool check(db x) {
	memset(head, -1, sizeof head), tot = -1;
	for(int i = 1; i <= m; i ++) add(E[i].first, E[i].second, 1), add(E[i].second, E[i].first, 1);
	for(int i = 1; i <= n; i ++) add(S, i, m), add(i, S, m), add(i, T, 1.0 * m + 2 * x - du[i]), add(T, i, 1.0 * m + 2 * x - du[i]);//m:赋的一个偏移量
	return 1.0 * m * n - dinic() > 0.0;
}

最小点权覆盖集

$\qquad$ 问题：给定一张有向图，我们现在需要覆盖这张有向图中的所有边。对于一个点 $i$ ，我们可以花费 $W_i^+$ 的代价覆盖所有指向它的边，花费 $W_i^-$ 的代价覆盖所有它指出的边，问最小需要花费多少代价？

$\qquad$ 对于这种有向图问题，我们可以考虑拆点套路，将一个点拆成 $i$ 和 $i + n$ 两个点。如果是无向图，那就直接连边即可。然后我们建立超级源点，从超级源点引一条容量为 $W_i^+$ 的边指向点 $i$ ；再建立超级汇点，从 $i + n$ 引一条容量为 $W_i^-$ 的边指向超级汇点。对于原图中的一条有向边 $(x, y)$ ，我们引一条从 $x$ 指向 $y + n$ ，容量为 $I NF$ 的边。此时，我们跑出的最小割便是最小代价。

$\qquad$ 跑完之后，我们遍历从源点指出的边。如果源点指向 $v$ 的边满流了，就说明我们要选择 $W_u^+$ ；最后，我们遍历一遍所有边，如果边 $(x, y)$ 此时没有选 $W_y^+$ ，那么我们就要选择 $W_x^-$ 。这样我们就得到了一组合法方案。

最大点权独立集

$\qquad$ 问题：给定一张图，每个点有点权，我们需要选出一些点使得这些点在没有边相连的基础上点权和最大。

$\qquad$ 根据经典结论：最大权独立=总-最小权覆盖，所以我们还按照上一种类型建边，跑出最小覆盖后用总点权减去最小覆盖即可。

最小割建图实战

$\qquad$ 例题：CABLETV - Cable TV Network，骑士共存问题，文理分科。

费用流

$\qquad$ 费用流全称为“最小费用最大流”或“最大费用最大流”，它是建立在最大流的基础之上的。费用流问题中，每条边不仅有容量，还有一个费用 $w$ ，表示每流过单位流量，就会产生 $w$ 的费用。费用流的算法基础是最大流的 $E K$ ，只不过把中间 $b f s$ 的过程改为了 $s p f a$ 求最短路（即最小花费）。

EK

$\qquad$ 大体跟最大流的 $E K$ 很像，只是改了 $b f s$ 为 $s p f a$ ，还是很好理解的。

$\qquad$ 核心 $C o d e :$

inline void add(int a, int b, int c, int d) {
	edge[++ tot] = {b, head[a], c, d}, head[a] = tot;
	edge[++ tot] = {a, head[b], 0, -d}, head[b] = tot;//注意，残留网络中边的费用是-d
}

bool spfa() {
	memset(incf, 0, sizeof incf), memset(dis, 0x7f, sizeof dis);//incf:最大流量 dis:最小费用
	dis[S] = 0, incf[S] = INF, q.push(S), vis[S] = 1;
	while(!q.empty()) {
		int x = q.front(); q.pop(), vis[x] = 0;
		for(int i = head[x]; ~i; i = edge[i].lst) {
			int To = edge[i].to, Val = edge[i].val, Cost = edge[i].cost;
			if(Val && dis[To] > dis[x] + Cost) {
				dis[To] = dis[x] + Cost;
				incf[To] = min(incf[x], Val);
				pre[To] = i;
				if(!vis[To]) q.push(To), vis[To] = 1;
			}
		}
	}
	return incf[T] > 0;//判断能否跑到汇点
}

void EK(int &flow, int &cost) {
[添加链接描述](https://www.luogu.com.cn/problem/P4015)	while(spfa()) {
		flow += incf[T], cost += incf[T] * dis[T];//flow:最大流 cost:最小费用
		for(int i = T; i != S; i = edge[pre[i] ^ 1].to) edge[pre[i]].val -= incf[T], edge[pre[i] ^ 1].val += incf[T];
	}
	return ;
}

模型

$\qquad$ 费用流的题目较好写（？），主要有一类是费用流与上下界最大流的结合。

费用流与上下界最大流结合

$\qquad$ 例题：[NOI2008]志愿者招募。

$\qquad$ 带上下界，我们仍旧采取减去下界的方式转化。但是本题还有一个最主要的问题在于：一个志愿者工作的是一段区间，是“一对多”，这是正常建边无法做到的。遇到这种情况，我们可以考虑从区间终点向区间起点连一条边，转化为无源汇可行流来做即可。

费用流建图实战

$\qquad$ 例题：餐巾计划问题，运输问题，负载平衡问题，分配问题，深海机器人问题，数字梯形问题，K取方格数。

最小割树

$\qquad$ 最小割树上，任意两点路径上边权最小值为这两点的最小割权值。

$\qquad$ 模板（核心 $C o d e$ ）：

void build(int l, int r) {
	if(l == r) return ;
	S = id[l], T = id[r];
	Add(id[l], id[r], dinic());
	int tmps1 = 0, tmps2 = 0;
	for(int i = l; i <= r; i ++) {
		if(d[id[i]] != -1) tmp1[++ tmps1] = id[i];
		else tmp2[++ tmps2] = id[i];
	}
	for(int i = l; i <= l + tmps1 - 1; i ++) id[i] = tmp1[i - l + 1];
	for(int i = l + tmps1; i <= r; i ++) id[i] = tmp2[i - (l + tmps1) + 1];
	build(l, l + tmps1 - 1), build(l + tmps1, r);
}

$\qquad$ 例题：最小割树模板，[CQOI2016] 不同的最小割，[ZJOI2011]最小割，Pumping Stations。

__EOF__

本文作者：best_brain
本文链接：https://www.cnblogs.com/best-brain/p/18006552.html
关于博主：评论和私信会在第一时间回复。或者直接私信我。
版权声明：本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
声援博主：如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。您的鼓励是博主的最大动力！

posted @ 2024-01-01 00:29 best_brain 阅读(15) 评论(0) 编辑收藏举报来源

刷新页面返回顶部

登录后才能查看或发表评论，立即登录或者逛逛博客园首页

相关博文：

· 二分图总结

· 数据结构——点分治（树分治）总结

· 网络流学习笔记

· 【学习笔记】网络流

· 网络流笔记

阅读排行：
· 全程不用写代码，我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布：重大改进与新特性概览！

公告

网络流总结

发表于 2024-01-01 00:29阅读：15评论：0推荐：0

个人总结内容总结 c++经验分享算法图论

Alipay

WeChat

关注

跳至底部

昵称： best_brain
园龄： 1年3个月
粉丝： 1
关注： 1

+加关注

best-brain

蒟蒻best_brain的博客

网络流总结

网络流总结

基础知识

最大流最小割定理

最大流

EK

dinic

模型

二分图匹配

无源汇上下界可行流

有源汇上下界最大、最小流

多源汇最大流

最大流之关键边

最大流之拆点

最大流建图实战

最小割

模型

最大权闭合子图

最大密度子图

最小点权覆盖集

最大点权独立集

最小割建图实战

费用流

EK

模型

费用流与上下界最大流结合

费用流建图实战

最小割树

公告

best_brain

网络流总结

搜索

常用链接

我的标签

随笔分类

随笔档案

阅读排行榜

推荐排行榜