网络流 - 最大流算法之Dinic

看了几个博客，整理了一下      建议先了解下EK算法：点击查看

Dinic算法的核心在于：

1、对图进行BFS，绘制出层次图，即对每一个节点进行标记，记录其与源点的距离，称为dep深度。

2、对图进行DFS，过程基本同EK算法，但在搜索过程中，只遍历至当前节点深度+1的节点。

3、反复进行1、2操作，直至第1步层次图中汇点dep值为空，即没有路可抵达汇点，表示最大流已求出，即完成任务。

在层次图上DFS求最大流自然很简单，就是不考虑反向边时能得到的最大流，多次增广后，重新计算层次图，发现s和t不连通，就退出。

 

它的时间复杂度不会很高，相对EK会快很多，最多只会跑n-1次DFS，因为每次DFS之后s到t的路径至少会少一条，也就是最大距离至少会增加1，而每一次跑DFS最多会用nm的时间，每一次最多遍历每一个节点，每一个节点遍历它所链接的所有边，所以最终时间复杂度为O(N^2*M)，相对EK(N*M^2)来说会快很多。

实际上，理论数值所对应的数据几乎不会出现，通常并不会想理论值说的这么慢，只会更快。

而且，对于它，还有一个很重要的优化，对于DFS来说，要保存一个“当前所有弧的最小残量”，如果等于0，必然是不能增广的，找到一条路径直接返回它的值即可，不然会出现多路增广不会退出的情况，还需要多加一次再算增广量，必然会很慢。

还有，当前弧优化，对于一次DFS中，可能会重复访问一个节点，虽然可能性比较小，这时候，已经走过的边自然是不需要再走，那么用一个数组记录上一次这个点走了哪些连接它的边，再次访问时不再重复走，那么就会更快。

代码核心讲解：

void add(int u,int v,int w) // 建图
{
	e[len].to=v;
	e[len].cap=w;
	e[len].nex=head[u];
	head[u]=len++;
}
int bfs(int s,int t)
{
	memset(vis,0,sizeof(vis));
	queue<int> q;
	vis[s]=1;
	deep[s]=0;
	deep[t]=-1;
	q.push(s);
	while(!q.empty())
	{
		int now=q.front();q.pop();
		for(int i=head[now];i!=-1;i=e[i].nex)
		{
			int to=e[i].to;
			if(vis[to]||e[i].cap<=0) continue; // 残量为0 或者 已经分配深度了 就在进行操作
			deep[to]=deep[now]+1;
			vis[to]=1;
			q.push(to);
		}
	}
	if(deep[t]==-1) return 0; // 当不能到达汇点时 说明也就不存在增广路了
	return 1;
}
int dfs(int u,int t,int flow)
{
	if(u==t||flow==0) return flow; // 若已达到汇点 或者 当前流量为0  返回
	int res=0,f;
	for(int i=head[u];i!=-1;i=e[i].nex)
	{
		int to=e[i].to;
		if(deep[to]==deep[u]+1) // 首先他是增广路才继续
		{
            f=dfs(to,t,min(flow,e[i].cap));//
		    if(f<=0) continue; // 流量小于等于0 也就不进行了
			e[i].cap-=f;     // 正减 反加
			e[i^1].cap+=f;
			flow-=f;
			res+=f;
			if(!flow) break;
		}
	}
	return res;   // 返回此过程流量
}
int Dinic(int s,int t)
{
	int ans=0; // 记录最大流
	while(bfs(s,t))
	{
		ans+=dfs(s,t,INF);
	}
	return ans;
}

是不是想看个题 ： poj1273 点击查看