网络流算法介绍

网络流（network flow）算法是一个又实用又有趣又重要还老少皆宜的算法。而且还可以用在实际生活中。

比如说，现在有105个血包（50个O型，36个A型，11个B型，8个AB型），分给100个伤员（45个O型，42个A型，10个B型，3个AB型）可能吗？

注：O型是万能输血者，AB型是万能接收者。除此之外，A型能输A型，B型能输B型。

 

转化为网络流问题：在上图中能不能有100单位的水从s流到t？（上图所有箭头从左往右）其中除了s和t之外的节点都不能提供、储藏、吸收水！

答案是不能。这张图最多只能流过99单位。有一个伤员得不到血袋了。

 

从蓝圈内到蓝圈外最多只能流99个单位！所以从s到t最多只能流99个单位！

那么怎么才能找到这个圈呢？

 

先随便在s注入一些水，形成了一个流。上图中已经放了45+36+10+3=94个单位的水了。

当一个流出现以后，同时会出现这个流的Residual Graph。所谓Residual Graph，就是把流从原图中线的容量减去，再添加一条和流反向的路径。注：没标数字的线容量是正无穷，正无穷减掉了流在这条线上的流量后，还是正无穷。

 

一个流的Residual Graph可以指导我们怎么扩大这个流的流量。

 

照着这条道路，给流再注入一些水。

 

得到了一个新流。当流产生的时候，流的Residual Graph也同时产生了。

随便弄个流-流诞生后，流的Residual Graph同时诞生-在Residual Graph中寻找s-t通路-找到了就利用该通路扩大流，产生新流，产生新流的Residual Graph......找不到就结束算法，大功告成。

 

这样，我们不仅找到了这幅图里的最大流量，还找到了开头的那个圈！

 

以上就是网络流的Ford-Fulkerson方法。时间复杂度O（mC）。m为边数，C为流量的最大可能值。

有一些技巧似乎可以加速该方法，比如给每个节点赋一个值，创造一个等价问题，使得Residual Graph中所有边非负，然后内嵌Dijkstra最短路算法。这样可以加速到O(mlogn)n为点数量。然而我看了三遍也没想清楚一些具体细节，以后用到了再说吧了。

还有一个挺有意思的问题。就是如果你在画Residual Graph的时候忘记画反向箭头了会怎样？显然会得到一个错误答案。但这个错误答案会不会总是大于等于正确答案乘以一个常数呢？我觉得答案是0.5，毕竟你没有利用到的流的Residual Graph中的反向边最多和这个流的流量相等。又可以找到例子使它恰好是0.5。

不仅是用在献血上，这个小小的算法还能用在飞机规划、图像前景背景分离、调节供需上。

本文参考了Jon Kleinberg和Eva Tardos的Algorithm Design。图片均由本文作者绘制。