使用boost库中的successive_shortest_path_nonnegative_weights算法求解最小费用最大流

使用boost库中的successive_shortest_path_nonnegative_weights算法求解最小费用最大流

在网络流算法中，最小费用最大流问题是常见且重要的问题之一。而boost库提供的successive_shortest_path_nonnegative_weights算法正好可以用于解决该问题。

下面我们来看一个简单的测试程序，该程序求解的是以下示例图中的最小费用最大流问题。

        2    (4)
   s --------------> t
  /|\                 |
 (1)|\                |
     | \ (2)           |(3)
     |  \              |
     |   v             v
     --> A ----------> B
         (5)          (6)

图中s表示源点，t表示汇点，A、B代表中间节点，带数字的括号代表边权重。我们的目标是求解从s到t的最小费用最大流。

首先需要定义图的数据结构。boost库中的adjacency_list可以方便地实现有向图的定义。针对本题，我们创建了一个包括6个节点、7条边的图。

#include <iostream>
#include <vector>
#include <boost/graph/adjacen