【坤坤讲师--图】Dinic

已于 2023-02-09 17:22:05 修改
阅读量1.6k 收藏
点赞数
文章标签： 算法 图论
于 2023-02-03 21:09:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lljloimjo/article/details/128876083
版权

Dinic是个很神奇的网络流算法。它是一个基于“层次图”的时间效率优先的最大流算法。
层次图是什么东西呢？层次，其实就是从源点走到那个点的最短路径长度。于是乎，我们得到一个定理：从源点开始，在层次图中沿着边不管怎么走，经过的路径一定是终点在剩余图中的最短路。（摘自WC2007王欣上论文）注意，这里是要按照层次走。
那么，MPLA（最短路径增值）的一大堆复杂的证明我就略掉了，有兴趣的请自行参阅WC2007王欣上神牛的论文。
首先我们得知道，Dinic的基本算法步骤是，先算出剩余图，然后用剩余图算层次图，然后在层次图里找增广路。不知道你想到没有，这个层次图找增广路的方法，恰恰就是Ford-Fulkerson类算法的时间耗费最大的地方，就是找一个最短的增广路。所以呢，层次图就相当于是一个已经预处理好的增广路标志图。
如何实现Dinic呢？
首先我们必然要判一下有没有能到达终点的路径（判存在增广路与否&#

了解本专栏 订阅专栏 解锁全文 超级会员免费看
能踢球又能写代码的小恐龙
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
【DayDayUp】【算法_图_网络流_之二_Dinic层次图与最小费最大流的概述】（待续）
under_sky_dxj的博客
03-16 785
【坚持不能偷懒】 【Dinic与层次图】 突然发现网络流都是套个Dinic的板子，然后啪啦啪啦就完成了 但知其然不知其所以然是好不爽的一件事…… 所以把网络流看了一遍 上回书说道，野生网络流(EK算法)的复杂度 是 O (VEE) 这个效率是比较渣的…… 所以就需要改进 一个常用的算法，也是我长期闭着眼睛套的板子就是Dinic 朴素的Dinic，就是在此基础上，加入一
网络流最大流----Dinic算法
AC__dream的博客
08-22 884
先来回顾一下EK算法，我们在每次dfs求解增广路的时候都是只找到一条增广路，然后把这条增广路所带来的贡献计入答案，一直按照这个方法循环，最后当bfs无法找到一条新的增广路的时候算法就结束了...
最大流模板--dinic算法
Stagflation的博客
07-07 231
sorry我上次传的是费用流，慢的一批，这次更正下。 #include <bits/stdc++.h> using namespace std; #define limit (100000 + 5)//防止溢出 #define INF 0x3f3f3f3f #define inf 0x3f3f3f3f3f #define lowbit(i) i&(-i)//一步两步 #define EPS 1e-6 #define FASTIO ios::sync_with_stdio(false);
网络流 --Dinic
far away
08-17 346
代码1：http://blog.csdn.net/qq_34287501/article/details/52664138 模板2： 1.Dinic大牛板子 struct Edge{ int u, v, cap, flow, next; }E[M]; struct Dinic{ int head[N], d[N]; int tot, sink, source;
最大流-dinic算法
哇-WA 的博客
07-28 351
dinic与EK算法的比较： 1、使用了层次网络，减小了寻找增广路的代价。 2、允许一次dfs多次增广，一次dfs可以把本层级网络的所有增广路都找出来。 算法步骤：
网络最大流-Dinic算法
qq_40329819的博客
12-14 439
问题描述 给定 nnn 个点，mmm 条有向边，给定每条边的容量，求从点 sss 到点 ttt 的最大流。 推荐博客 反向边作用 bfsbfsbfs分层优化-Dinic 网络流其他更强优化 算法思路 反向边的反悔作用： 以上为 FFFFFF 算法，DinicDinicDinic 使用 bfsbfsbfs 分层优化： bfsbfsbfs 分层，使每次增广只能从当前层流向下一层，避免 dfsdfsdfs 寻找增广路使乱跑增加复杂度（正确性：只要能流向汇点必然存在增广路，必然能分层；最后止于没有增广路） df
P3376 【模板】网络最大流---dinic---C++
Ashen的博客
11-27 516
题目描述 如题，给出一个网络图，以及其源点和汇点，求出其网络最大流。 输入格式 第一行包含四个正整数N、M、S、T，分别表示点的个数、有向边的个数、源点序号、汇点序号。 接下来M行每行包含三个正整数ui、vi、wi，表示第i条有向边从ui出发，到达vi，边权为wi（即该边最大流量为wi） 输出格式 一行，包含一个正整数，即为该网络的最大流。 输入输出样例 输入 #1 4 5 4 3 4 2 30 ...
链式前向星存图-dinic
lyslyslys的博客
08-04 244
Network flow is a well-known difficult problem for ACMers. Given a graph, your task is to find out the maximum flow for the weighted directed graph. Input The first line of input contains an integer...
最大流-Dinic算法，原理详解，四大优化，详细代码
EQUINOX1的博客
01-23 2478
Dinic算法，很高效的最大流算法
网络流-Dinic-PPT
08-09
网络流ppt，基于“2013宁波工程学院ACM集训队”的ppt修改。都是学习，改成0积分，大家一起学
C/C++，图算法-Dinic最大流量算法
05-14
C/C++，图算法——Dinic最大流量算法
Dinic算法--挺有用的
05-07
Dinic算法--挺有用的，希望对在学习Dinic算法的人或对之感兴趣的人有所帮助！
图论- 网络流- 最大流- Dinic 算法.rar
09-16
图论- 网络流- 最大流- Dinic 算法.rar
算法常见问题
u012374012的专栏
06-24 924
是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机。线性可分SVM当训练数据线性可分时，通过最大化硬间隔（hard margin）可以学习得到一个线性分类器，即硬间隔SVM。线性SVM当训练数据不能线性可分但是近似线性可分时，通过最大化软间隔（soft margin）也可以学习到一个线性分类器，即软间隔SVM。非线性SVM当训练数据线性不可分时，通过使用核技巧（kernel trick）和最大化软间隔，可以学习到一个非线性SVM。
常微分方程算法之编程示例六-解一阶方程组（龙格-库塔法）
最新发布
欢迎各位大佬光临“寒舍”！请多多指点，共同进步！
06-27 282
主要对本专栏介绍的常微分方程差分格式进行算例补充。
排序算法系列二：归并排序、快速排序
暗黑世界
06-22 430
一、概念 二、实现 三、时间空间复杂度 四、优缺点
【CT】LeetCode手撕—124. 二叉树中的最大路径和
weixin_44382896的博客
06-25 639
最大路径和 ——> 递归。
dinic python实现
07-27
Dinic算法是一种用来解决最大流问题的算法，它的核心思想是构建分层图和阻塞流量的概念。通过多次增广路径的查找来找出最大流。 在Python中实现Dinic算法可以参考以下步骤： 1. 首先，需要定义一个图的类，包括节点数和邻接表等属性，用来存储图的结构。 2. 实现图的构建函数，根据边的信息添加邻接表。 3. 基于Dinic算法，需要实现一个辅助函数来在网络中查找增广路径。可以使用广度优先搜索（BFS）或深度优先搜索（DFS）来实现。通过不断搜索增广路径，直到找不到增广路径为止。 4. 实现Dinic算法的主函数，其中包括初始化流量和残余网络，以及进行多次增广路径搜索的过程。 5. 在每一次增广路径搜索中，需要更新流量和残余网络，并计算每一条边的容量。 6. 最后，需要输出最大流的值。 以下是一种可能的实现方式： ```python class Graph: def __init__(self, nodes): self.nodes = nodes self.adjacency = [[] for _ in range(nodes)] def add_edge(self, u, v, capacity): self.adjacency[u].append([v, capacity, 0, len(self.adjacency[v])]) self.adjacency[v].append([u, 0, 0, len(self.adjacency[u]) - 1]) def bfs(self, start, end): # 使用BFS查找增广路径 level = [-1] * self.nodes level[start] = 0 queue = [start] while queue: current_node = queue.pop(0) for neighbor in self.adjacency[current_node]: if level[neighbor[0]] < 0 and neighbor[1] > neighbor[2]: # 更新节点的层级 level[neighbor[0]] = level[current_node] + 1 queue.append(neighbor[0]) return level[end] >= 0 def dfs(self, current_node, end, flow): # 使用DFS查找增广路径 if current_node == end: return flow while self.adjacency[current_node][current_edge[current_node]][1] <= self.adjacency[current_node][current_edge[current_node]][2]: current_edge[current_node] += 1 for i in range(current_edge[current_node], len(self.adjacency[current_node])): neighbor = self.adjacency[current_node][i] if level[neighbor[0]] == level[current_node] + 1 and neighbor[1] > neighbor[2]: min_flow = min(flow, neighbor[1] - neighbor[2]) temp_flow = self.dfs(neighbor[0], end, min_flow) if temp_flow > 0: neighbor[2] += temp_flow self.adjacency[neighbor[0]][neighbor[3]][2] -= temp_flow return temp_flow return 0 def dinic(self, start, end): level = [0] * self.nodes max_flow = 0 while self.bfs(start, end): current_edge = [0] * self.nodes while True: flow = self.dfs(start, end, float('inf')) if not flow: break max_flow += flow return max_flow g = Graph(4) g.add_edge(0, 1, 3) g.add_edge(0, 2, 2) g.add_edge(1, 2, 2) g.add_edge(1, 3, 1) g.add_edge(2, 3, 3) print("最大流为:", g.dinic(0, 3)) ``` 这个实现中，以一个简单的图作为例子进行了测试。首先，创建一个有4个节点的图，然后添加边和容量。最后，通过调用dinic函数来计算最大流的值，并将结果输出。 希望以上回答对你有所帮助，如果有任何问题需要进一步解答，请随时提问。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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