最小费用循环流

刷最小费用流的时候看到了循环流的做法,记录一下对最小费用循环流的理解

最小费用流变体:费用为负的情况

如果图中含有负权边,连续最短路算法最初计算势的值时就不能使用 D i j k s t r a Dijkstra Dijkstra 算法,而要改用 B e l l m a n − F o r d Bellman-Ford BellmanFord 算法。如果图中出现负圈,可以利用 B e l l m a n − F o r d Bellman-Ford BellmanFord 算法找到负圈,并在负圈上尽量增广将其消去。

对于流量 F F F 一定的情况,可以通过变形消去负权边,假设边 e = ( u , v ) e=(u,v) e=(u,v) 权值 d < 0 d<0 d<0

s
t
c,d
u
v

新增源点 S S S 和汇点 T T T,从 S S S s s s 连一条容量为 F F F 费用为 0 0 0 的边,从 t t t T T T 连一条容量为 F F F 费用为 0 0 0 的边;对于负权边 e = ( u , v ) e=(u,v) e=(u,v) 可以让其一开始就已经满流,再从 S S S v v v 连一条容量为 c ( e ) c(e) c(e) 费用为 0 0 0 的边,从 u u u T T T 连一条容量为 c ( e ) c(e) c(e) 费用为 0 0 0 的边

F,0
F,0
c,-d
c,0
c,0
S
s
t
T
v
u

这样变形之后,除去了图中的负权边,原图流量为 F F F 的最小费用流的费用,就等于新图流量为 F + ∑ 负 权 边 e c ( e ) F+\sum_{负权边e} c(e) F+ec(e) 的最小费用流的费用加上 ∑ 负 权 边 e c ( e ) × d ( e ) \sum_{负权边e} c(e)\times d(e) ec(e)×d(e)

最小费用循环流

最小费用循环流的费用即图中圈权值和的最小值。从连续最短路算法的观点来看,最小费用流不能求出图中的圈权值,那么利用处理负边权边的思想处理这个问题,即 预先取负权边的边权值(在答案中计入负权边权值),使之形成循环流

对于各负权边,从 S S S v v v 连一条容量为 c ( e ) c(e) c(e) 费用为 0 0 0 的边,从 u u u T T T 连一条容量为 c ( e ) c(e) c(e) 费用为 0 0 0 的边;考虑到图中消去了负圈,则对于同时与 S S S T T T 存在连边的点,可以相互抵消。故 对于新增源点 S S S、新增汇点 T T T,其与 u u u v v v 的连边容量取决于负权边端点的入流量与流量,若入流量大于出流量,从 S S S v v v 连一条容量为入流量减出流量,费用为 0 0 0 的边;若出流量大于入流量,从 u u u T T T 连一条容量为出流量减入流量,费用为 0 0 0 的边

此前消负权边时,预先使之满流。实际上,满流意味着这条负权边的流量可以回退,即此负权边可以取或不取。若回退流量,意味着取消之前的预取(答案除去此负权边);出现这种情况时,此负权边组成的最小权值圈为正圈,又由于求最小费用流,不取正圈,故将流退回

一般而言,负权边可以取或不取,即预先使之满流,如 UVA 1659;若负权边必须取到,则不预先使之满流,按原图连边,此时可以求正圈最小权值,如 AOJ 2230

如果图中无负边,最小费用循环流无源、汇点建立,结果为 0 0 0,意味着此时不取任一条边费用最小

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最小费用最大算法是一种在网络问题中求解最大算法,同时也考虑了每条边的费用,使得在满足最大的前提下,费用最小。以下是最小费用最大算法的实现代码: ```matlab function [maxFlow, minCost] = minCostMaxFlow(capacity, cost, source, sink) % capacity: 网络图中每条边的容量 % cost: 网络图中每条边的费用 % source: 源点 % sink: 汇点 % maxFlow: 最大量 % minCost: 最小费用 n = length(capacity); flow = zeros(n); % 量矩阵 costMatrix = cost; % 费用矩阵 while true % 使用 Dijkstra 算法寻找增广路径 [dist, prev] = dijkstra(costMatrix, source); if prev(sink) == -1 % 如果不存在增广路径,则退出循环 break; end % 计算增广路径上的最小容量 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 算法寻找增广路径 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