最小费用最大流 修改的dijkstra
+
Ford
-
Fulksonff算法
修改的dijkstra其实和Johnson算法的思想是一致的。
一个求最小费用最大流的朴素算法是这样的:
1 求最小费用增广路
2 判断是否存在增广路,否的话算法终止。
3 增加增广路上边的流量
4 在增广路上添加必要的逆向负权边
5 goto 1
因为负权边的存在,求最小费用增广路就不可以用dijkstra算法。当然,我们可以用bellman - ford算法,可是这样的话求一次最短路的时间代价就是O(e * n),e是边数,n是顶点数。代价大了点,如果能用dijkstra算法就好了。利用Johnson算法的思想,这是可以做到的。
第一次求最短路可以用dijkstra算法(如果一开始就有负权边,那就用bellman - ford算法,这没关系),求出源点到所有点的距离,嗯,我说的距离是指路径上边的费用之和的最小值。注意,要求出到所有点的距离,而不是求出到汇点的距离就完事了。
假设有一条边u -> v,源点到u的距离是d[u],到v的距离是d[v],边的费用(权值)是w(u,v)。很显然,d[u] + w(u,v) >= d[v],不然的话,你会发现一条更好的路径从源点到v。问题是,什么时候取等呢?当u -> v在v的最优路径上,范围说小一点,当u -> v在从源点到汇点的最优路径,即最小费用增广路上。
好的,如果u -> v被你增载了,你要开始添负权边v -> u了,权值取负,就是 - w(u,v)。负权就是讨厌,是正的就好了,dijkstra算法就可以再用了。怎么办呢,把负权边加个权值,让它非负。要加多少呢,d[v] - d[u]。当然不能只加一条边,对所有边,无论原有的还是新添的,按这个规则加,构造一个新的图:
对边a -> b,新的边权w ' (a,b)=w(a,b)+d[a]-d[b]
现在来看看你的杰作:
对原来的边u -> v, w ' (u,v)=w(u,v)+d[u]-d[v]: 记得么d[u]+w(u,v)>=d[v], 所以 w ' (u,v) >= 0
对新加的负权边v -> u, w ' (v,u)=w(v,u)+d[v]-d[u]=-w(u,v)+d[v]-d[u]: 记得么d[u]+w(u,v)==d[v],这里可是取等号的,所以w ' (v,u) == 0
哈哈,这下所有边又是非负的了。
可是,问题是,为啥不每个边加个足够大的正数,这样不是所有边也都是正的了么。仔细想想,边权为啥要为正,不就是为了求源点到汇点的最短路方便么,可是,都加大正数的话,你求出的最短路和原来图的最短路能一致么,不能,为啥,画个三角形,自己想想。可是,我的方法就能一致么,能。我证明给你看。
假设从源点s到汇点t有一条路径s -> a -> b -> c -> d. -> t,在原图中的路径长度为
w(s,a) + w(a,b) + w(b,c) + + w(x,t)
在新图中的路径为
w ' (s,a)+w ' (a,b) + w ' (b,c)+w ' (x,t)
展开来就是
w(s,a) + d[a] - d[s] + w(a,b) + d[b] - d[a] + w(c,d) + d[d] - d[b] + . + w(x,t) + d[t] - d[x]
消阿消,d[a]和 - d[a],d[b]和 - d[b]d[x]和 - d[x],剩下什么呢:
w(s,a) + w(a,b) + w(b,c) + + w(x,t) + d[t] - d[s]
噢,不就比原图中多d[t] - d[s]么(其实d[s] == 0 )。这可是对所有s到t的路径都成立的,既然所有路径,在新图中的权值都比在原图中的权值多了d[t],那么,新图的最短路,也就对应原图的最短路,只不过路径长度多了d[t],这不仅对t成立,对所有节点u都成立,只不过新图中到u的最短路长度比原图多了d[u]。
好,用dijkstra算法,第二次求出最短路。然后求出新的d’[u],然后添加新的边,然后准备第三次的dijkstra算法。。。为什么第二次可以这样做,第三次还可以这样做,第三次的原图可能有很多负权边啊?我可没说过w(u,v) >= 0这样的限制,所以,即使原图有负权边还是可以这样做的。
好了,第一次dijkstra算法(或者bellman - ford算法,如果有负权边的话,只用一次,不会成为瓶颈的),然后每次求最小增广路用一次修改的dijkstra算法。这个算法求最小费用最大流复杂度是O(m * n * n), m是最大流量,或者是求增广路次数的上界。最后,如果用这个算法来求最优匹配问题,复杂度是O(n ^ 3 )的。
修改的dijkstra其实和Johnson算法的思想是一致的。
一个求最小费用最大流的朴素算法是这样的:
1 求最小费用增广路
2 判断是否存在增广路,否的话算法终止。
3 增加增广路上边的流量
4 在增广路上添加必要的逆向负权边
5 goto 1
因为负权边的存在,求最小费用增广路就不可以用dijkstra算法。当然,我们可以用bellman - ford算法,可是这样的话求一次最短路的时间代价就是O(e * n),e是边数,n是顶点数。代价大了点,如果能用dijkstra算法就好了。利用Johnson算法的思想,这是可以做到的。
第一次求最短路可以用dijkstra算法(如果一开始就有负权边,那就用bellman - ford算法,这没关系),求出源点到所有点的距离,嗯,我说的距离是指路径上边的费用之和的最小值。注意,要求出到所有点的距离,而不是求出到汇点的距离就完事了。
假设有一条边u -> v,源点到u的距离是d[u],到v的距离是d[v],边的费用(权值)是w(u,v)。很显然,d[u] + w(u,v) >= d[v],不然的话,你会发现一条更好的路径从源点到v。问题是,什么时候取等呢?当u -> v在v的最优路径上,范围说小一点,当u -> v在从源点到汇点的最优路径,即最小费用增广路上。
好的,如果u -> v被你增载了,你要开始添负权边v -> u了,权值取负,就是 - w(u,v)。负权就是讨厌,是正的就好了,dijkstra算法就可以再用了。怎么办呢,把负权边加个权值,让它非负。要加多少呢,d[v] - d[u]。当然不能只加一条边,对所有边,无论原有的还是新添的,按这个规则加,构造一个新的图:
对边a -> b,新的边权w ' (a,b)=w(a,b)+d[a]-d[b]
现在来看看你的杰作:
对原来的边u -> v, w ' (u,v)=w(u,v)+d[u]-d[v]: 记得么d[u]+w(u,v)>=d[v], 所以 w ' (u,v) >= 0
对新加的负权边v -> u, w ' (v,u)=w(v,u)+d[v]-d[u]=-w(u,v)+d[v]-d[u]: 记得么d[u]+w(u,v)==d[v],这里可是取等号的,所以w ' (v,u) == 0
哈哈,这下所有边又是非负的了。
可是,问题是,为啥不每个边加个足够大的正数,这样不是所有边也都是正的了么。仔细想想,边权为啥要为正,不就是为了求源点到汇点的最短路方便么,可是,都加大正数的话,你求出的最短路和原来图的最短路能一致么,不能,为啥,画个三角形,自己想想。可是,我的方法就能一致么,能。我证明给你看。
假设从源点s到汇点t有一条路径s -> a -> b -> c -> d. -> t,在原图中的路径长度为
w(s,a) + w(a,b) + w(b,c) + + w(x,t)
在新图中的路径为
w ' (s,a)+w ' (a,b) + w ' (b,c)+w ' (x,t)
展开来就是
w(s,a) + d[a] - d[s] + w(a,b) + d[b] - d[a] + w(c,d) + d[d] - d[b] + . + w(x,t) + d[t] - d[x]
消阿消,d[a]和 - d[a],d[b]和 - d[b]d[x]和 - d[x],剩下什么呢:
w(s,a) + w(a,b) + w(b,c) + + w(x,t) + d[t] - d[s]
噢,不就比原图中多d[t] - d[s]么(其实d[s] == 0 )。这可是对所有s到t的路径都成立的,既然所有路径,在新图中的权值都比在原图中的权值多了d[t],那么,新图的最短路,也就对应原图的最短路,只不过路径长度多了d[t],这不仅对t成立,对所有节点u都成立,只不过新图中到u的最短路长度比原图多了d[u]。
好,用dijkstra算法,第二次求出最短路。然后求出新的d’[u],然后添加新的边,然后准备第三次的dijkstra算法。。。为什么第二次可以这样做,第三次还可以这样做,第三次的原图可能有很多负权边啊?我可没说过w(u,v) >= 0这样的限制,所以,即使原图有负权边还是可以这样做的。
好了,第一次dijkstra算法(或者bellman - ford算法,如果有负权边的话,只用一次,不会成为瓶颈的),然后每次求最小增广路用一次修改的dijkstra算法。这个算法求最小费用最大流复杂度是O(m * n * n), m是最大流量,或者是求增广路次数的上界。最后,如果用这个算法来求最优匹配问题,复杂度是O(n ^ 3 )的。
//模版:
//转载出处:http://blog.sina.com.cn/s/blog_7c2a1aa30100qae6.html
#include<iostream>
using namespace std;
int n,ans;
int cap[MAX][MAX];//容量
int pre[MAX];//用于保存增广路径
int cost[MAX][MAX];//花费
int dis[MAX];//源点到每个点(包括汇点)的距离
int que[MAX];//用于SPFA算法中的队列
bool vis[MAX];//访问标记数组
bool spfa()//源点为0,汇点为n
{
int i;
int head=0;//队头
int tail=1;//队尾
for(i=0;i<=n;i++)//每次都要初始化
{
dis[i]=inf;
vis[i]=false;
}
dis[0]=0;
que[0]=0;
vis[0]=true;
while(tail!=head)//循环队列
{
int u=que[head];
for(i=0;i<=n;i++)
{
if(cap[u][i]&&dis[i]>dis[u]+cost[u][i])//松弛
{
dis[i]=dis[u]+cost[u][i];
pre[i]=u;
if(!vis[i])
{
vis[i]=true;
que[tail++]=i;
if(tail==MAX)//tail的范围是:0~MAX-1
tail=0;
}
}
}
vis[u]=false;
head++;
if(head==MAX)
head=0;
}
if(dis[n]==inf)//因为n是汇点,所以可以用dis[n]是否等于inf来判断能否找到增广路
return false;
return true;//找到一条增广路pre[],这条增广路还是最短的(花费最少的)
}
void mcmf()
{
int i;
int temp=inf;
for(i=n;i!=0;i=pre[i])
temp=min(temp,cap[pre[i]][i]);//找出增广路径中最小的残余流
for(i=n;i!=0;i=pre[i])//消灭那条残留网络
{
cap[pre[i]][i]-=temp;//流的反对称性:f(u,v)=-f(v,u)
cap[i][pre[i]]+=temp;
ans+=cost[pre[i]][i]*temp;//cost[][]记录的单位流量费用,必须得乘以流量。
}
}
int main()
{
//...
ans=0;
while(spfa())
mcmf();
//...
return 0;
}