最大流最小割

网络流的一些定义和性质

1.流网络（Flow Network）

流网络为一个有向图$G = (V, E)$，所有边$(u, v) \in E$ 都有一个容量（Capacity），用$c(u, v)$表示。另外规定了两个点：源点（Source）、汇点（Sink），分别为$s$和$t \quad (s \neq t)$

2.流

定义流量为$f(u, v)$ 为 $V \times V \rightarrow R$的函数，表示经过$(u, v)$这条边的流量。
$c_f(u, v) \ = \ c(u, v) - f(u, v)$称为边$(u, v)$的剩余容量。
整个网络的流量为$|f| \ = \ \sum_{(s, v) \in E}f(s, v) \ = \ \sum_{(u, t) \in E} f(u, t)$

3.流量函数满足的性质：

容量限制：流经某一条边的流量不得超过其容量，即：$f(u, v) \leq c(u, v)$
流量守恒: 对于除了源点汇点的任意节点 $x$，满足： $\sum_{u \in V} f(u, x) \ = \ \sum_{v \in V} f(x, v)$
斜对称性：每条边流量与其反向边流量之和为0，即：$f(u, v) + f(v, u) = 0$
最大流

1.描述

对于给定的流网络，要求求出一个流$f$，使得$|f| \ = \ \sum_{(s, v) \in E}f(s, v) \ = \ \sum_{(u, t) \in E} f(u, t)$最大。

2.几个定义

残量网络（Residual Network）： 图$G$中所有剩余容量大于0的边构成的子图称为残量网络，用$G_f$表示。
增广路（Augmenting Path）： $G_f$上一条从源点$s$到汇点$t$的路径称为增广路。

3.Edmonds–Karp 算法

Ford–Fulkerson 增广： 是一种通过寻找增广路求解最大流的方法，步骤如下：

1.寻找一条增广路，边集为$E_a$。
2.令$f_m \ = \ max \{c_f(u, v) \} \quad (\ (u, v) \ \in E_a \ )$，对于每一条边$(u, v) \in E_a$，将 $f(u, v) \ += \ f_m$，同时根据斜对称性，将 $f(v, u) \ -= \ f_m $。
3.再次建立残量网络，重复1步骤，直至找不到增广路。

Edmonds–Karp 算法即按照上面Ford–Fulkerson 增广的步骤，使用BFS寻找增广路。算法的时间复杂度为$O(|V| \cdot |E|^2)$

代码

#include <bits/stdc++.h>
using namespace std;
typedef long long lld;
const int N = 20010;
const int M = 200010;
int nextt[M], head[N], to[M], cnt = 1;
int n, m, tot = 0, s, t;
lld w[M];
bool vis[N];
void add(int x, int y, lld z) {
	nextt[++cnt] = head[x]; to[cnt] = y;
	w[cnt] = z; head[x] = cnt;
}
int edge[N], nxt[N];
bool bfs() {
	queue <int> q;
	memset(vis, false, sizeof(vis));
	q.push(s); vis[s] = true; tot = 0;
	memset(edge, 0 ,sizeof(edge)); memset(nxt, 0, sizeof(nxt));
	while(!q.empty()) {
		int u = q.front(); q.pop();
		if(u == t) return true;
		for(int i = head[u]; i; i = nextt[i]) {
			int v = to[i];
			if(w[i] > 0 && !vis[v]) {
				q.push(v);
				edge[v] = i; nxt[v] = u;
				if(!vis[v]) vis[v] = true;
			}
		}
	}
	return false;
}
lld EK() {
	lld ans = 0;
	while(bfs()) {
		memset(vis, 0, sizeof(vis)); tot = 0;
		lld wi = 1e10;
		for(int i = t; i != s; i = nxt[i]) wi = min(wi, w[edge[i]]);
		for(int i = t; i != s; i = nxt[i]) 
			w[edge[i]] -= wi, w[edge[i] ^ 1] += wi;
		  ans += wi;
	}
	return ans;
}
int main() {
//	freopen("data.in", "r", stdin);
	scanf("%d%d%d%d", &n, &m, &s, &t);
	for(int i = 1, u, v; i <= m; i++) {
    lld w; cin >> u >> v >> w;
    add(u, v, w); add(v, u, 0);
	}
	cout << EK() << endl;
	return 0;
}

4.Dinic 算法

两个定义：

层次图（Level Graph）: 对$G_f$进行BFS分层，从源点出发经过的边数相同的点为同一层，记$d(u)$为节点$u$的层数。分层之后保留到达下一层的边，删除同层之间的边从而得到层次图$G_L$，即：$G_L = (V, E_L) \quad E_L = \{ (u, v) \ | \ (u, v) \in E_f, d(v) = d(u) + 1 \}$
阻塞流（Blocking Flow）: 在$G_L$找到一个流$f_b$，使得$G_L$无法继续增广，则称$f_b$为$G_L$的阻塞流。

Dinic 算法过程：

1.在$G_f$上进行BFS求出层次图$G_L$。
2.在$G_L$上求出一个阻塞流$f_b$。
3.将阻塞流$f_b$加入到流 $f$中，更新残量网络$G_f$。
4.重复执行1，2，3过程，直到无法找到阻塞流（层次图中$s$到$t$不连通）

复杂度$O(|V|^2 \cdot |E|)$

代码


#include <bits/stdc++.h>
using namespace std;
typedef long long lld;
const int N = 10005;
const int M = 200005;
int nextt[M], head[N], to[M];
lld w[M];
int n, m, s, t, cnt = 1;
int dis[N], cur[N];
void add(int x, int y, lld z) {
	nextt[++cnt] = head[x]; w[cnt] = z;
	to[cnt] = y; head[x] = cnt;
}
bool bfs() {
	queue <int> q;
  memset(dis, 0, sizeof(dis));
	q.push(s); dis[s] = 1;
  bool flag = false;
	while(!q.empty()) {
		int u = q.front(); q.pop();
		for(int i = head[u]; i; i = nextt[i]) {
			int v = to[i]; 
			if(w[i] > 0 && !dis[v]) {
				dis[v] = dis[u] + 1; q.push(v);
        if(v == t) flag = true;
			}
		}
	}
  return flag;
}
lld dfs(int u, lld mine) {
	lld minedge = 0;
	if(u == t) return mine;
	for(int i = cur[u]; i; i = nextt[i]) {
		int v = to[i]; cur[u] = i;
		if(w[i] > 0 && dis[v] == dis[u] + 1) {
		  lld now = dfs(v, min(mine, w[i]));
      minedge += now;
			w[i] -= now; w[i ^ 1] += now;
			mine -= now;
			if(!mine) break;
		}
	}
	return minedge;
}
void dinic() {
	lld ans = 0;
	while(bfs()) {
    memcpy(cur, head, sizeof(head));
		ans += dfs(s, 1e10);
	}
	cout << ans << endl;
}

int main() {
	// freopen("data.in", "r", stdin);
	cin >> n >> m >> s >> t;
	for(int i = 1, u, v; i <= m; i++) {
    lld z; cin >> u >> v >> z;
		add(u, v, z); add(v, u, 0);
	}
	dinic();
	return 0;
}

当前弧优化： DFS时，每次增广完一条路径$(u, v)$之后，$(u, v)$的容量所剩无几，下一次到达$u$时直接选择跳过$(u, v)$，从下一条边开始增广。在代码中，使用$cur[u]$数组记录点$u$第一条未使用的边。

最小割

1.几个定义

割：又称s-t割，是一种点的划分方式，将所有点分为两个集合$S$和$T$，其中$s \in S$，$t \in T $
割的容量： 定义为所有从$S$中的点出发到达$T$中的点的边的容量之和，即：$c(S,T) = \sum_{u \in S, v \in T} c(u, v)$。
最小割： 求出一个割使得$c(S,T)$ 最小。

2.最大流最小割定理

在任何网络中，最大流的值等于最小割的容量。

posted @ 2023-08-05 12:32 Mcggvc 阅读(46) 评论(0) 编辑收藏举报

刷新页面返回顶部

Mcggvc

最大流 最小割

网络流的一些定义和性质