网络流引入

网络流

基本定义

首先我们定义一个名为“网络”的有向图，并将其边权命名为“容量”，额外的，我们有一个“源点”和一个“汇点”

流，顾名思义，就像水流或电流，也具有它们的性质。如果把网络想象成一个管道网络，那流就是其中流动的水。每条边上的流不能超过它的容量，并且对于除了源点和汇点外的所有点（即中继点），流入的流量都等于流出的流量。

问题

给定一个网络，求其最大流？

分析

我们先引入一个概念，名为增广路。其定义为由源点到汇点的一条路径，且残余容量大于零。为何说是残余容量呢？因为我们每找到一条增广路，增广路上的每条边就要减去流量，故称残余容量。

而我们经过一次次增广（寻找增广路），在将所有流量相加就可求出最大流了。

但是！

比如这张图，我们如果先增广 1->2->3->4这条路径的话，我们将得到 $1$ 的流，而显然，如果我们分别增广 1->3->4 和 1->2->4这两条路径的话，我们可以得到 $2$ 的流。

而这怎么解决的呢？

我们可以对每一条边建立一条反边，如下图：

然后这时候我们在这个网络上进行增广，并将流量加给反边，原本的问题我们惊奇的发现可以解决了！

那我们来理解一下，残余流量就是容量减去流量，而我们把流量加到了反边上，所以我们在使用反边时，就给正边加上流量，也就相当于没有用这条边——即为「反悔」

FF算法

讲完解法，我们看算法

首先便是FF算法，这个算法通过DFS查找增广路，上代码：

int n, m, S, T; // S是源点，T是汇点
bool vis[N];
int dfs(int u = S, int limit = INF){
    if(u == t)
        return limit; // 到达终点，返回这条增广路的流量
    vis[p] = true;
    for(int i = head[p]; ~i; i = edge[i].nxt){
        int to = edge[i].to, vol = edge[i].w, c;
        // 返回的条件是残余容量大于0、未访问过该点且接下来可以达到终点（递归地实现）
        // 传递下去的流量是边的容量与当前流量中的较小值
        if(vol > 0 && !vis[to] && (c = dfs(to, min(vol, flow))) != -1){
            edge[i].w -= c;
            edge[i ^ 1].w += c;
            // 这是链式前向星取反向边的一种简易的方法
            // 建图时要把第一条边的编号设置为偶数，且要保证反向边紧接着正向边建立
            return c;
        }
    }
    return -1; // 无法到达终点
}
inline int FF(){
    int ans = 0, c;
    while((c = dfs()) != -1){
        memset(vis, 0, sizeof(vis));
        ans += c;
    }
    return ans;
}

用dfs实现的FF算法时间复杂度上界是 $O(ef)$，其中 $e$ 为边数，$f$ 为最大流

(因复杂度问题一般不用)