最大流五大算法简述
网络最大流各算法总结
网络最大流的算法共有两大类5种算法 总体如下表：n为顶点数，m为弧的数目，U代表各条弧的最大容量
| 算法名称 | 复杂度 | 算法概要 |
|---|---|---|
| 一般增广路算法 | \(O(nmU)\) | 采取标号法每次在容量网络中寻找一条增广路进行增广(或在残留网络中每次任意寻找一条增广路进行增广)，直至不存在增广路为止。 |
| 最短增广路算法 | \(O(nm^2)\) | 每个阶段：在层次网络中，不断用BFS算法进行增广直至不存在增广路为止。如果汇点不在层次网络中，算法结束。 |
| 连续最短增广路算法(Dinic) | \(O(n^2m)\) | 在最短增广路算法的基础上改造：在每个阶段，用一个dfs过程实现多次增广。如果汇点不在层次网络中，则算法结束。 |
| 一般预流推进算法 | \(O (n^2m)\) | 维护一个预流，不断地对活跃顶点执行推进(Push)操作或重标号(Relabel)操作来调整这个预流，直到不能操作。 |
| 最高标号预流推进算法 | \(O( n^2\sqrt m)\) | 每次检查具有最高标号的活跃结点 |
-
一般增广路算法（Ford-Fulkerson）：
1） 标号过程 每个顶点的标号有两个量:流入该顶点的流量alpha[u] 指明标号从哪个顶点得到pre[u]
2）调整过程 在每次得到最后V的标号后 根据 a = alpha[n-1] 来对这条增广路进行优化
\(f(u,v) = f(u,v) + a\ when<u,v>\in P+\)
\(f(u,v) = f(u,v)+a\ when <u,v>\in P-\)
$ f(u,v) = f(u,v) \ when <u,v>\notin P$
通过bfs来进行多次增广路的优化 代码如下:
#include<bits/stdc++.h>
using namespace std;
#define MAXN 1000
#define INF 1000000//根据题目条件改变
struct ArcType {
int c,f;//容量，流量
};
ArcType Edge[MAXN][MAXN];
int n,m;
int flag[MAXN];//顶点状态:-1未标号 0已标号未检查 1已标号以检查
int pre[MAXN];//标号的第一个分量:指明从哪个点得到,以便找出可改进量和增广路径
int alpha[MAXN];//标号的第二个分量:可改进量a
queue<int > q;
int v;
void ford() {
for(;;) {//标号直至不存在可改进路
memset(flag,0xff,sizeof(flag));//均初始化为-1
memset(pre,0xff,sizeof(pre));
memset(alpha,0xff,sizeof(alpha));
flag[0] = pre[0] = 0; alpha[0] = INF;//对源点标号
while(!q.empty()) q.pop();//清空队列
q.push(0);
while(!q.empty() && flag[n-1] == -1) {
v = q.front();q.pop();
for(int i = 0;i < n;i++) {
if(flag[i] == -1) {//正向且未饱和
if(Edge[v][i].c < INF && Edge[v][i].f < Edge[v][i].c) {
flag[i] = 0;pre[i] = v;
alpha[i] = min(alpha[v],Edge[v][i].c - Edge[v][i].f);
q.push(i);
}
else if(Edge[i][v].c < INF && Edge[i][v].f > 0) {//反向且非0
flag[i] = 0;pre[i] = -v;
alpha[i] = min(Edge[i][v].f,alpha[v]);
q.push(i);
}
}
}
flag[v] = 1;
}
if(flag[n-1] == -1 || alpha[n-1] == 0) break;//当汇点无需调整，退出循环
int k1 = n-1,k2 = abs(pre[k1]);
int a = alpha[n-1];
while(1) {//沿着路径改进
if(Edge[k2][k1].f < INF) Edge[k2][k1].f += a;
else Edge[k1][k2].f -= a;
if(k2 == 0) break;
k1 = k2; k2 = abs(pre[k2]);
}
}
int maxFlow = 0;
for(int i = 0;i < n;i++) {
for(int j = 0;j < n;j++) {
if(i == 0 && Edge[i][j].f < INF) maxFlow+=Edge[i][j].f;//求出源点的流出量
if(Edge[i][j].f < INF) printf("%d->%d:%d\n",i,j,Edge[i][j].f);
}
}
printf("maxFlow:%d\n",maxFlow);
}
int main() {
int u,v,c,f;
scanf("%d%d",&n,&m);
for(int i = 0;i < n;i++) {
for(int j = 0;j < n;j++) Edge[i][j].c = Edge[i][j].f = INF;
}
for(int i = 0;i < m;i++) {
scanf("%d%d%d%d",&u,&v,&c,&f);
Edge[u][v].c = c;Edge[u][v].f = f;
}
ford();
return 0;
}
复杂度简要分析:
很明显，如果容量网络中各弧的容量和初始流量均为正整数，则Ford-Fulkerson算法每增广一次，流量至少会增加一个单位，因此Ford-Fulkerson算法肯定能在有限的步骤内使得网络流达到最大。类似的理由可以说明如果弧上的容量为有理数时，也可在有限的步骤内使得网络流达到最大。但是如果弧上的容量可以是无理数，则该算法不一定在有限步内终止。
由于割$ { Vs} , V-{ Vs}$ 中前向弧的条数最多为n条，因此最大流流量|F|的上界为nU(U表示网络中各个弧的最大容量)。此外，由于每次增广最多需要对所有弧检查一遍，所以Ford-Fulkerson算法的时间复杂度为$ O(mnU)$ 。
例题：Poj1149
-
最短增广路算法：
最短增广路的思想：
(1)初始化容量网络和网络流。
(2)构造残留网络和层次网络，若汇点不在层次网络中，则算法结束。
(3)在层次网络中不断用BFS增广，直到层次网络中没有增广路为止；每次增广完毕，在层次网络中要去掉因改进流量而导致饱和的弧。
(4)转步骤(2)
-
连续最短增广路算法(Dinic算法):
Dinic算法思路:
Dinic算法的思想也是分阶段地在层次网络中增广。它与最短路算法不同之处是:最短路增广每个阶段执行完一次BFS增广后，要重新启动BFS从源点Vs开始寻找另一条增广路;而在Dinic算法中，只需一次dfs过程就可以实现多次增广，这是Dinic算法的巧妙之处。Dinic算法的具体步骤如下:
(1)初始化容量网络和网络流
(2)构造残留网络和层次网络，若汇点不在层次网络中，则算法结束。
(3)在层次网络中用一次dfs过程进行增广，dfs过程执行完毕，则该阶段的增广也执行完毕。
(4)转步骤(2)
在Dinic算法中，只有第(3)步和最短增广路算法不同。效率得到非常大的提高。
模板如下：
const int maxn=500+10; struct Edge { int from,to,cap,flow; Edge(){} Edge(int f,int t,int c,int fl):from(f),to(t),cap(c),flow(fl){} }; struct Dinic { int n,m,s,t; vector<Edge> edges; vector<int> G[maxn]; int d[maxn]; int cur[maxn]; bool vis[maxn]; void init(int n,int s,int t) { this->n=n, this->s=s, this->t=t; edges.clear(); for(int i=0;i<n;i++) G[i].clear(); } void AddEdge(int from,int to,int cap) { edges.push_back( Edge(from,to,cap,0) ); edges.push_back( Edge(to,from,0,0) ); m=edges.size(); G[from].push_back(m-2); G[to].push_back(m-1); } bool BFS() { queue<int> Q; memset(vis,0,sizeof(vis)); vis[s]=true; d[s]=0; Q.push(s); while(!Q.empty()) { int x=Q.front(); Q.pop(); for(int i=0;i<G[x].size();i++) { Edge e=edges[G[x][i]]; if(!vis[e.to] && e.cap>e.flow) { vis[e.to]=true; d[e.to] = d[x]+1; Q.push(e.to); } } } return vis[t]; } int DFS(int x,int a) { if(x==t || a==0) return a; int flow=0,f; for(int& i=cur[x];i<G[x].size();++i) { Edge& e=edges[G[x][i]]; if(d[e.to]==d[x]+1 && (f=DFS(e.to, min(a,e.cap-e.flow) ) )>0 ) { e.flow+=f; edges[G[x][i]^1].flow-=f; flow+=f; a-=f; if(a==0) break; } } return flow; } int Max_Flow() { int flow=0; while(BFS()) { memset(cur,0,sizeof(cur)); flow += DFS(s,INF); } return flow; } }DC; -
一般预流推进算法
1.增广路算法的缺点:
增广路算法是找到增广路后，立即沿增广路对网络流进行增广。每一次增广可能需要对最多n-1条弧进行操作，因此，每次增广的复杂度为\(O(n)\) ，在有些情况下，这个操作的代价是很高的。
2.距离标号
对于一个残留网络G'，如何确定其精确的距离标号呢？可以从汇点Vt开始，对弧进行广度优先搜索，这一过程的复杂度为\(O(m)\)
预流：设\(f = \{ f(u,v)\}\) 是容量网络的一个网络流，如果G的每一条边弧都满足: \(0\leq f(u,v) \leq c(u,v)\)
另外，除源点汇点以外每个顶点u的盈余e(u)都满足：\(e(u) \geq 0\) 则称该网络流是G的预流。
预流推进通过不断的对活跃节点的改进来达到最大流
模板如下：
using namespace std;
const int maxn = 110;
const int maxf = 0x7fffffff;
int n,np,nc,m;
int resi[maxn][maxn];
deque<int> act;
int h[maxn];
int ef[maxn];
int s,t,V;
void push_relabel() {
int sum = 0;
int u,v,p;
for(int i = 1;i <= V;i++) h[i] = 0;
h[s] = V;
memset(ef,0,sizeof(ef));
ef[s] = maxf;ef[t] = -maxf;
act.push_front(s);
while(!act.empty()) {
u = act.back();
act.pop_back();
for(int i = 1;i <= V;i++) {
v = i;
if(resi[u][v] < ef[u]) p = resi[u][v];
else p = ef[u];
if(p > 0 && (u == s || h[u] == h[v] + 1)) {
resi[u][v]-=p;resi[v][u]+=p;
if(v == t) sum+=p;
ef[u]-=p;ef[v]+=p;
if(v != s && v != t) act.push_front(v);
}
}
if(u != s && u != t && ef[u] > 0) {
h[u]++;
act.push_front(u);
}
}
printf("%d\n",sum);
}
