深大算法实验六——最大流应用问题

代码链接：深大算法实验六——最大流问题-C++文档类资源-CSDN下载

 

目录

一. 问题描述

二. 构建流网络

三. 求解过程

四.  Ford-Fulkerson方法

1. 残留网络

2. 割

五. Dinic算法

六. Dinic＋多路增广

七. ISAP

数据分析：

Dinic算法：

多路增广Dinic算法

ISAP算法

改变论文数目

改变评委数目

改变a的值

改变b的值

实验结论：

---

一. 问题描述

1. 有m篇论文和n个评审，每篇论文需要安排a个评审，每个评审最多评b篇论文。请设计一个论文分配方案。

2. 要求应用最大流解决上述问题，画出m=10，n=3的流网络图并解释说明流网络图与论文评审问题的关系。

3. 编程实现所设计算法，计算a和b取不同值情况下的分配方案，如果没有可行方案则输出无解。

二. 构建流网络

        我们可以将问题抽象成每一个评审和论文是一个节点，将每个评审最多评的论文数量作为评审的入度，也就是说评审节点最多承载b单位的流，每个论文需要多少评审作为论文节点的出度，也就是说每篇论文需要a单位的流。再加上首位两端的起点和汇点即可生成流网络。

       中间的蓝色边的权值全部为1，代表每个评审都可以选择所有的论文。

 

三. 求解过程

        

将使用FF方法来寻找此流网络的最大流。若最大流可以等于说明存在分配方案，若小于则说明还有论文没有被批完，则没有存在可行的分配方案。在进行寻找最大流时进行寻找分配方案。

        由于在用FF方法时需要使用DFS进行查找最短增广路径，在查找时若遇到评委节点指向论文节点的化，就记录下其边。

四.  Ford-Fulkerson方法

       F-F方法是一种解决最大流的一种方法，之所以称之为方法而不是算法是因为其实现算法有很多种。

       F-F方法的最重要的三个思想是：残留网络、增广路径和割。

       F-F方法的过程是：

1. 1. 1. 找到一条增广路径
      2. 求出这条路径的最大流（即看这条路径的最小权值）
      3. 更新权值并起来画出其残留网络
      4. 在残留网络中继续寻找增广路径
      5. 重复1、2、3、4直到没有增广路径到汇点

F-F方法的基本伪代码：

Ford-Fulkerson方法(G,s,t)
初始化流f为0
While(存在一条增广路径p) {
沿着增广路径p增广流f
}
返回f

1. 残留网络

残留网络是更新权值时，增加一条反向边，反向边的值即为通过该边的流的大小。

        如上图，该边的值为14，通过的流大小是11，更新权值后并且更新成残留网络后，反向边权值为11，正向边为3。

2. 割

       割是可以将流网络分解成两个区域，每个区域都可以看作为一个节点。

 

如图所示，该流网络可以看作为两个节点。割的净流为

。割的容量为。

       求最大径流量就是求其流网络的最小割。

五. Dinic算法

       Dinic算法是先使用BFS将流网络进行分层，这样可以避免进行DFS寻找增广路径时出现重复的情况。

 

       在进行DFS寻找增广路径时，下一节点必定在此节点的下一层。

DFS伪代码：

	DFS(x, flow)
		if x==汇点
			return flow
		for y in 邻接[x]
			fxy = 边xy允许的流量最大值
			r = DFS(y, min(flow, fxy))
			if r≠ 0
				更新边xy的权值
				return r
		return 0

       在DFS完毕之后再次使用BFS对残留网络重新进行分层

Dinic算法伪代码：

	while true
		flag = BFS()
		if  !flag
			break
		while true
			r = DFS(起点, infinity)
			if r = 0
				break

Dinic算法效率分析：

       因为dinic的dfs按照层次来递归，因为每次扫描出的层数是递增的，而且不超过n，所以外循环bfs最多进行n次，而因为每次找增广路都有一条边作为“瓶颈”，一共有e条边，就有e个瓶颈，e条路径，要进行e次dfs，每次dfs复杂度为，总体复杂度为</