最小费用最大流(最小增广路算法)

基于BellmanFord(SPFA),无法处理负权环(结果出错)。

struct Edge{
    int from, to, cap, flow, cost;
}

struct MCMF{
    int n, m, s, t;
    vector<Edge> edges;
    vector<int> g[N];
    int inq[N];             //是否在队列中 
    int d[N];               //最小费用 
    int p[N];               //上一条弧 
    int a[N];               //可改进量 

    void init(int n){
        this->n = n;
        for(int i = 0; i < n; i++) g[i].clear();
        edges.clear();
    }

    void AddEdge(int from, int to, int cap, int cost){
        edges.push_back((Edge){from, to, cap, 0, cost});
        edges.push_back((Edge){to, from, 0, 0, -cost});
        m = edges.size();
        g[from].push_back(m-2);
        g[to].push_back(m-1);
    }
};
bool BellmanFord(int s, int t, int& flow, int& cost){
    for(int i = 0; i < n; i++) d[i] = inf;
    memset(inq, 0, sizeof(inq));
    d[s] = 0; inq[s] = 1; p[s] = 0; a[s] = inf;

    queue<int> Q;
    Q.push(s);
    while(!Q.empty()){
        int u = Q.front(); Q.pop();
        inq[u] = 0;
        for(int i = 0; i < g[u].size(); i++){
            Edge& e = edges[g[u][i]];
            if(e.cap > e.flow && d[e.to] > d[u] + e.cost){
                d[e.to] = d[u] + e.cost;
                p[e.to] = g[u][i];
                a[e.to] = min(a[u], e.cap - e.flow);
                if(!inq[e.to]){q.push(e.to); inq[e.to] = 1;}
            }
        }
    }
    if(d[t] == inf) return false;
    flow += a[t];
    cost += d[t] * a[t];
    int u = t;
    while(u != s){
        edges[p[u]].flow += a[t];
        edges[p[u]^1].flow -= a[t];
        u = edges[p[u]].from;
    }
    return true;
}

int Mincost(int s, int t){
    int flow = 0, cost = 0;
    while(BellmanFord(s, t, flow, cost));
    return cost;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最小费用最大流算法是一种在网络流问题中求解最大流的算法,同时也考虑了每条边的费用,使得在满足最大流的前提下,费用最小。以下是最小费用最大流算法的实现代码: ```matlab function [maxFlow, minCost] = minCostMaxFlow(capacity, cost, source, sink) % capacity: 网络流图中每条边的容量 % cost: 网络流图中每条边的费用 % source: 源点 % sink: 汇点 % maxFlow: 最大流量 % minCost: 最小费用 n = length(capacity); flow = zeros(n); % 流量矩阵 costMatrix = cost; % 费用矩阵 while true % 使用 Dijkstra 算法寻找增广径 [dist, prev] = dijkstra(costMatrix, source); if prev(sink) == -1 % 如果不存在增广径,则退出循环 break; end % 计算增广径上的最小容量 minCapacity = inf; node = sink; while node ~= source prevNode = prev(node); minCapacity = min(minCapacity, capacity(prevNode, node) - flow(prevNode, node)); node = prevNode; end % 更新流量矩阵和费用矩阵 node = sink; while node ~= source prevNode = prev(node); flow(prevNode, node) = flow(prevNode, node) + minCapacity; flow(node, prevNode) = flow(node, prevNode) - minCapacity; costMatrix(prevNode, node) = cost(prevNode, node) - dist(sink) + dist(prevNode); costMatrix(node, prevNode) = cost(node, prevNode) + dist(sink) - dist(prevNode); node = prevNode; end end % 计算最大流量和最小费用 maxFlow = sum(flow(source, :)); minCost = sum(flow.*cost); end function [dist, prev] = dijkstra(costMatrix, source) % 使用 Dijkstra 算法寻找增广径 n = length(costMatrix); dist = inf(1, n); prev = -ones(1, n); visited = false(1, n); dist(source) = 0; for i = 1:n % 找到未访问节点中距离最小的节点 [~, u] = min(dist .* ~visited); if isinf(dist(u)) break; end visited(u) = true; % 更新与 u 相邻的节点的距离 for v = 1:n if ~visited(v) && costMatrix(u, v) < inf alt = dist(u) + costMatrix(u, v); if alt < dist(v) dist(v) = alt; prev(v) = u; end end end end end ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值