在上一节《初识最大流问题》中,已经讲到了网络流中的一个经典问题 - 最大流问题。同上一篇的方式一样,这篇文章你要带着以下两个问题来阅读:
怎样搜索到一条增广路?
如何利用搜索到的增广路求解最大流问题?
Ford-Fulkerson 算法求最大流的原理是什么?
如何求得最大流
我们继续引用上文的例子:
假设有这么一个例子,这次 2019-nCoV 疫情让口罩变成了稀缺资源。所以,全国各地都在为武汉捐献物资。假设现在因为种种原因,我们只能通过地面线路来运输口罩物资,并且每一条线路是有流量限制的。假设不考虑运输速度,并且源点 S (杭州)的口罩物资产量是足够多的,我们需要求解汇点 T(武汉)在不计速度的情况下能收到多少物资?
首先我们拍脑袋来自己探索一个算法,计算最大流。
我们的目标是找到增广路,所以我们制定一个策略:通过 DFS 深度优先搜索,来检索一条增光路,然后计算从 S 到 T 的最大流量,并在所有的边流量容量中将其扣除。反复按照这种操作,来迭代我们每次扣除之后的残余网络,最后无法再找到增广路则停止搜索,求得我们的“最大流”。
我们来做一个动图来描述一下这个过程:
自制的算法演算过程
这个动图中描述的算法包括以下三步:
搜索出一条增广路;
在这条路径中所有的边容量减去这条增广路的流量,如果容量为 0 则拆边;
返回操作一,如果没有增广路则得到答案。
在这道例题中,我负责任的告诉你,答案确实是最大流 23。但是求解的过程是错的!