从三种算法剖析网络流本质

最新推荐文章于 2022-09-21 22:23:59 发布

bifanwen

最新推荐文章于 2022-09-21 22:23:59 发布

阅读量256

点赞数 1

分类专栏：最大流网络流

本文链接：https://blog.csdn.net/bifanwen/article/details/105455041

版权

网络流同时被 2 个专栏收录

2 篇文章 0 订阅

订阅专栏

最大流

1 篇文章 0 订阅

订阅专栏

博客园同步

模板题：

原题链接

LOJ

简要题意：

给定一个网络图，求其网络最大流（下简称 最大流）。

网络图的定义：每条边 $(u, v, w)$ 表示 $\rightarrow v$ 的流量为 $w$ ，流量可以理解为，单位时间内能流过的最大的量。

最大流的定义：从源点开始到汇点，在让 单位时间内每条边流过的量不超过其流量 的情况下最大的运输量。（汇点即终点，源点即起点）

在实际生活中，网络流（就研究最大流）问题可以理解为 供水系统 。以样例为例：

在这里插入图片描述

供水公司 的编号为 $4$ ，你家的编号为 $3$ ，而 中转供水处 只负责转运。网络图如图所示。

由一只聪明的猴子掌控着一些操作：即某某供水处往某某供水处运了多少水，而 水管的大小不同，流量也不同；如果流过的水超过水管的流量会直接渗出 ，所以产生了上面这个图。当然供水公司本着 ~~赚更多钱~~ 运更多的水（但不浪费水）的角度，希望供到你家尽量多的水。

这只猴子把 $4$ 号节点放 $50 L$ 水出去，其中 $20 L$ 通过 $\rightarrow 3$ 这条边直接供向了你家。而 $30 L$ ，先是通过 $\rightarrow 2$ 这条边，到达了 $2$ 号中转供水处。

然后 $30 L$ 又分作两份， $20 L$ 从 $\rightarrow 3$ 流过，剩余 $10 L$ 顺着 $\rightarrow 1 \rightarrow 3$ 也到达了你家。

这是，你家就有了 $50 L$ 的水。

如果从 $4$ 号节点流出了超过 $50 L$ 水，那么 $\rightarrow 3$ 和 $\rightarrow 2$ 这两条边无法承受流量。所以 水在水管里渗掉了，最终还是降为 $50 L$ ，浪费了水。

综上，该网络图的最大流 为 $50$ .

那么，如何解决网络流问题呢？

首先抛出一些定义便于说理，括号中是便于理解的说法。

设原网络图的点集为 $V$ .（由中转处，供水公司和你家构成）
割：将原图中所有顶点分成两个集合 $S$ 和 $T = V - S$ ，其中源点 $s$ 在集合 $S$ 中，汇点 $t$ 在集合 $T$ 中。如果把起点在 $S$ 中，终点在 $T$ 中的边全部删除，就无法从 $s$ 到达 $t$ 了。这样的集合划分 $(S, T)$ 称为一个割。（即将 $V$ 分成两部分，使得如果把所有横跨两部分的水管删去，一滴水也到不了你家，比方说上图中， $S = (4)$ 和 $T = (1, 2, 3)$ 就是一个割，因为 $\rightarrow 3$ 和 $\rightarrow 2$ 的水管被删掉之后，供水就断了。可以理解成是 有向图中的割边（不严谨））
割的容量：即所有 $\rightarrow v (u \in S , v \in T)$ 的流量之和。（即横跨两集合边的流量之和）
最小割：所有割中容量最小的那个。比方说上图中， $S = (4), T = (1, 2, 3)$ 就是最小割。
最小割最大流定理：最大流等于最小割。具体证明因过于复杂略。（其实可以理解成，有一个 恐怖分子 想让你家喝不到水，他希望割断最短的水管而达到这个目的；那么如果 割掉这些水管可以导致供水系统崩溃并且它是最小的话，很显然，能供向你家的水就是这些水管的流量和了。如果比这个和小，肯定有更小的割；如果比这个和大，那么说明 还有其它水可以不通过这些水管流过，这就不是割了，也矛盾。大概是这样的，感性理解吧，不太严谨）
残余网络：即所有 实际流量与流量的差 构成的网络图。（就是如果这个水管能流过 $x$ ，但种种原因使得它只流过 $\leq x)$ ，那么用 $x - y$ 构成网络图）

一种可能求最大流的方法是：采用 和 $\text{Dijkstra}$ 类似的流法，在残余网络中搜索松弛。没错！

引入

基于最短路中的松弛概念，我们考虑和最短路一样的做法。但是看这个图：

在这里插入图片描述

聪明的猴子选了 $\rightarrow 2 \rightarrow 3 \rightarrow 4$ 这条边之后，流量是 $1$ .

但是 你并不能把这条路上流量清 $0$ ，因为明明存在 $\rightarrow 2 \rightarrow 4$ ， $\rightarrow 3 \rightarrow 4$ 这两条可以流量为 $2$ 的路径。

猴子发现自己错了，然后尝试了所有路径……它对自己的杰作感到满意。

可是你会满意么？尝试所有路径是指数级的 爆炸性复杂度，实在无意义（不过 $\%$ 的数据可以拿下，但对正解无益）。

也就是说，我们要想到一种 可以让程序反悔 的操作。

下面就引入了 $\text{Ford-Fulkerson}$ 算法，简称 $\text{FF}$ 算法。

算法一 $\text{Ford-Fulkerson}$

$\text{FF}$ 的操作是：

当前不断寻找增广路（即不断搜索能继续流的路）
到汇点即有了一条路径，统计答案。然后将这条路径上所有边的流量减掉最终流量，建立反向边的边权为最终流量，构成残余网络。（你似乎明白残余网络是干什么的了）
不断寻找直到找不到为止。

还是上面那个图：

在这里插入图片描述

假设聪明的猴子还是找到 $\rightarrow 2 \rightarrow 3 \rightarrow 4$ 这条边。流量为 $1$ ，它就会将 路径上所有水管的流量减少 $1$ ，将其反相边流量增加 $1$ .这样的操作我们称为 “反悔” 操作。 一次之后变成了：

在这里插入图片描述
然后猴子又找到了 $\rightarrow 3 \rightarrow 2 \rightarrow 4$ 这条路径，两个答案 $1$ 的和为 $2$ .

然后再 反悔一次 从 $1$ 流不出水，所以结束，答案为 $2$ .

感性说明（不严谨）：

最终流量为 $x$ ，那么 $\rightarrow v$ 减少 $x$ 可以理解为： $u$ 现在不想走这条边，想要实施别的增广，那么 给 $v$ 维持输出 的同时收回自己的流量，反悔了一次；接着 走过这条反向路 的路径，显然 和之前的路径都走过这条 $\rightarrow v$ ，所以说不影响答案。

因此， $\text{FF}$ 算法的精髓在于反悔操作，对于当前图不断进行增广，反悔，最终得到答案。

程序实现过程不同，但效率是一样的。

比方说， $\text{FF}$ 算法是 在流的过程中，判断能否流，然后边流边反悔 的，用 $\text{bfs}$ 实现，时间复杂度为 $\times m^2)$ .

而另一个 $\text{Edmonds–Karp}$ 算法（下简称 $\text{EK}$ 算法）是通过不断 $\text{bfs}$ 实现的，时间复杂度也为 $\times m^2)$ .

注：由于各种各样的常数问题，LOJ #101. 最大流上面跑 $\text{EK}$ 能过， $\text{FF}$ 过不了；而本题是 $\text{FF}$ 能过， $\text{EK}$ 过不了。（那题要用 $\text{long long}$ ）

所以实践告诉我们，~~还是 dinic 比较稳定~~ 算法的时间复杂度也有一部分取决于常数。所以本题两篇代码都给出。

$\text{EK}$ 算法：（ $\text{LOJ}$ 满分，洛谷 $70$ ）

#pragma GCC optimize(2)
#include<cstdio>
#include<queue>
#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;

typedef long long ll;
const ll INF=1e18;
const ll N=1e2+1;

inline ll read(){char ch=getchar();ll f=1;while(ch<'0' || ch>'9') {if(ch=='-') f=-f; ch=getchar();}
	ll x=0;while(ch>='0' && ch<='9') x=(x<<3)+(x<<1)+ch-'0',ch=getchar();return x*f;}

queue<ll> q; ll flow[N],ans; // flow[i] 是当前最大流量
ll n,m,s,t,g[N][N],pre[N]; // pre[i] 记录前驱 , 利于反悔

inline ll bfs(ll s,ll t) { //增广一次
	while(!q.empty()) q.pop(); 
	memset(pre,-1,sizeof(pre));
	pre[s]=0; q.push(s); flow[s]=INF;
	while(!q.empty()) {
		ll u=q.front(); q.pop();
		if(u==t) break;
		for(ll i=1;i<=n;i++)
			if(g[u][i]>0 && pre[i]==-1ll) {
				pre[i]=u; flow[i]=min(flow[u],g[u][i]);
				q.push(i); //可以增广则更新一次 , 类似于 dijkstra
			}
	} return (pre[t]==-1ll)?-1ll:flow[t];
}

inline void EK(ll s,ll t) {
	ll x=0;
	while((x=bfs(s,t))!=-1ll) { //只要增广路存在则继续
		ll k=t; while(k!=s) {
			ll l=pre[k];
			g[l][k]-=x; g[k][l]+=x;
			k=l; //反悔 , 一次次迭代路径
		} ans+=x; //记录答案
	}
}

int main(){
	n=read(),m=read(),s=read(),t=read();
	while(m--) {
		ll u=read(),v=read(),w=read();
		g[u][v]+=w;
	} EK(s,t); printf("%lld\n",ans);
	return 0;
}

$\text{FF}$ 算法：（ $\text{LOJ} \space 75pts$ （不过因为出题人把所有测试点放在一个 $\text{Subtask}$ 所以是 $0$ 分，但实际上是 $75 p t s$ ），洛谷 $100 p t s$ ）.

#pragma GCC optimize(2)
#include<bits/stdc++.h>
using namespace std;

const int N=2e5+1;

inline int read(){char ch=getchar();int f=1;while(ch<'0' || ch>'9') {if(ch=='-') f=-f; ch=getchar();}
	int x=0;while(ch>='0' && ch<='9') x=(x<<3)+(x<<1)+ch-'0',ch=getchar();return x*f;}

int n,m,s,t; bool vis[N];
vector<pair<int,int> > G[N];

inline int found(int x,int y) {
	for(int i=0;i<G[x].size();i++)
		if(G[x][i].first==y) return i;
} //表示找到 x->y 的路返回其位置

inline int dfs(int u,int flow) { //返回当前最大流 , 为 0 说明无法流
	if(u==t) return flow;
	vis[u]=1; for(int i=0;i<G[u].size();i++) {
		int v=G[u][i].first,w=G[u][i].second;
		if(!w || vis[v]) continue;
		int x=dfs(v,min(flow,w)); //下一步
		if(x>0) { //可以流
			G[u][i].second-=x; 
			int y=found(v,u);
			G[v][y].second+=x; //反悔一次
			return x;
		}
	} return 0; //所有尝试没有答案则无解
}

int main(){
	n=read(),m=read(),s=read(),t=read();
	while(m--) {
		int u=read(),v=read(),w=read();
		G[u].push_back(make_pair(v,w));
		G[v].push_back(make_pair(u,0)); //细节 , 便于之后操作
	} int t,ans=0;
	while((memset(vis,0,sizeof(vis))) && (t=dfs(s,INT_MAX))>0) ans+=t; //可以增广则增广一次
	printf("%d\n",ans);
	return 0;
}

算法二 $\text{dinic}$

上面的 $\text{FF}$ 和 $\text{EK}$ 算法，虽然实现不同但本质完全一样，因为常数问题，我们难以确定它们的最终效率究竟如何，因此我们需要更优的算法。

注意到在 $\text{FF}$ （下文中用 $\text{FF}$ 代称两种算法）每次反悔的时间不是很妙，大量操作也不是很优。

注意到一种优化，如果我们把 $\text{FF}$ 中， $\rightarrow v$ 这条边当 $v$ 遍历完毕时，那么我们直接从 $u$ 重新尝试其它的 $\rightarrow v$ .

那么，这样快了许多是不错的，但是 出现绕长路，走回路 的棘手问题。

所以，我们根据 搜索树 的思路，提出了 分层图 的概念。

分层图 其实就是按照和源点的距离进行分层。用人话说，就是源点自己是 $1$ 层，源点 $i$ 步能 流到（流量为 $0$ 就算了）
的是 $i + 1$ 层。

这样的分层，我们每次 只需要从 $i$ 层往 $i + 1$ 层探索即可。

那么你会问了：如何判断当前有解呢？

如果最终汇点有层数的话，说明能流到汇点，就有解；如果流不到汇点，就是没有层数，那肯定是无解。分层既可以优化搜索效率，又可以做无解判断。好！

理论上时间复杂度： $\times m)$ .（由于根本跑不满这个时间，所以仍然能通过，两个 $\text{OJ}$ 都测过了）

实际得分： $100 p t s$ .

// 这是洛谷上交的 , 去 LOJ 的话要开 long long
#pragma GCC optimize(2)
#include<bits/stdc++.h>
using namespace std;

const int N=2e5+1;

inline int read(){char ch=getchar();int f=1;while(ch<'0' || ch>'9') {if(ch=='-') f=-f; ch=getchar();}
	int x=0;while(ch>='0' && ch<='9') x=(x<<3)+(x<<1)+ch-'0',ch=getchar();return x*f;}

int n,m,s,t,ans=0,dep[N],q[N];
vector<pair<int,int> > G[N];

inline bool bfs() { //探索
	memset(dep,0,sizeof(dep)); int l,r; //用左右指针实现队列
	q[l=r=1]=s; dep[s]=1; while(l<=r) {
		int u=q[l++]; for(int i=0;i<G[u].size();i++) {
			int v=G[u][i].first,w=G[u][i].second;
			if(!w || dep[v]) continue; //流过或者流量为 0
			dep[v]=dep[u]+1,q[++r]=v; //探索
		}
	} return dep[t];
}

inline int found(int x,int y) {
	for(int i=0;i<G[x].size();i++)
		if(G[x][i].first==y) return i;
}

inline int dfs(int u,int dis) {
	if(u==t) return dis;
	int out=0; for(int i=0;i<G[u].size();i++) {
		int v=G[u][i].first,w=G[u][i].second;
		if(!w || dep[v]!=dep[u]+1) continue;
		int x=dfs(v,min(dis,w));
		G[u][i].second-=x; int y=found(v,u);
		G[v][y].second+=x; dis-=x; out+=x;
	} return dep[u]=(out==0)?0:dep[u],out;
} //基本和 FF / EK 一样

int main(){
	n=read(),m=read(),s=read(),t=read();
	while(m--) {
		int u=read(),v=read(),w=read();
		G[u].push_back(make_pair(v,w));
		G[v].push_back(make_pair(u,0));
	} while(bfs()) ans+=dfs(s,2e9); //这里如果交 LOJ 要把 2e9 适当开大 , 实测 2e12 可以通过
	printf("%d\n",ans); //交 LOJ 要把 %d 改成 %lld
	return 0;
}

bifanwen

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
从三种算法剖析网络流本质

原题链接简要题意：给定一个网络图，求其网络最大流（下简称最大流）。网络图的定义：每条边 (u,v,w)(u,v,w)(u,v,w) 表示 u→vu \rightarrow vu→v 的流量为 www，流量可以理解为，单位时间内能流过的最大的量。最大流的定义：从源点开始到汇点，在让单位时间内每条边流过的量不超过其流量的情况下最大的运输量。（汇点即终点，源点即起点）在实际生活中，网...
复制链接

扫一扫