最大流:
最大流是网络流的一种,他表示从起始点s出发,引出无穷的流量,每条边上允许通过一个最大的流量,求最终能够到达目的地的最大流量是多少。
由于还是在图上进行操作,因此最大流的求解方法依然是基于dfs或者bfs的做法。故网络流比较耗费时间,常常所需要的点数不能够过大,大概在1k左右。
最大流的一般方法:
1.Ford_Fulkerson算法
从源点s开始,不断进行dfs遍历,寻找到一条能够走到t的道路,记录这条道路上的最小边的值,将这条路上所有道路的cap减去该值,并将这些道路rev道路上的的cap加上对应值。
每次dfs返回这个最小值,用一个大大的while循环去不断进行dfs,在dfs的参数中保存当前所在结点,目的结点,以及能够到达当前节点的流量的最小值。
目的结点用于判定dfs结束,当前所在结点用于dfs向下遍历,采用used数组存储已经访问的点。
复杂度:o(F|E|);F表示最大流量
struct edge
{
int to;
int cap;
int rev;
edge(){}
edge(int a,int b,int c)
{
to=a;cap=b;rev=c;
}
};
vector<edge> g[maxn];
bool used[maxn];
//单向流通!!!!
void add_edge(int f,int t,int c)
{
g[f].push_back(edge(t,c,g[t].size()));
g[t].push_back(edge(f,0,g[f].size()-1));
}
int dfs(int v,int t,int f)
{
if(v==t)
return f;
used[v]=true;
int len=g[v].size();
for(int i=0;i<len;i++)
{
edge &e=g[v][i];
if(used[e.to]==false && e.cap>0)
{
int d=dfs(e.to,t,min(f,e.cap));
if(d>0)
{
e.cap=e.cap-d;
g[e.to][e.rev].cap+=d;
return d;
}
}
}
return 0;
}
int maxflow(int s,int t)
{
int flow=0;
while(true)
{
memset(used,0,sizeof(used));
int f=dfs(s,t,inf);
if(f==0)
break;
flow=flow+f;
}
return flow;
}
2.dinic算法:
一种比较优秀的基于bfs与dfs结合的网络流最大流算法,常常作为模版算法
复杂度:o(|E|V^2);
struct edge
{
int to;
int cap;
int rev;
edge(){}
edge(int a,int b,int c){to=a;cap=b;rev=c;}
};
vector<edge> g[maxn];
int level[maxn]; //顶点到原点的距离编号
int iter[maxn]; //当前弧,在其之前的都没用了
//单向流通!!!!
void add_edge(int f,int t,int c)
{
g[f].push_back(edge(t,c,g[t].size()));
g[t].push_back(edge(f,0,g[f].size()-1));
}
//先用bfs为每一个有价值的点计算到s点距离标号
void bfs(int s)
{
memset(level,-1,sizeof(level));
queue<int> que;
while(!que.empty())
que.pop();
level[s]=0;
que.push(s);
while(!que.empty())
{
int u=que.front();
que.pop();
int len=g[u].size();
for(int i=0;i<len;i++)
{
edge &e=g[u][i];
if(e.cap>0 && level[e.to]<0)
{
level[e.to]=level[u]+1;
que.push(e.to);
}
}
}
}
int dfs(int v,int t,int f)
{
if(v==t)
return f;
int len=g[v].size();
for(int &i=iter[v];i<len;i++) //当前弧优化的方法,一种思想
{
edge &e=g[v][i];
if(e.cap>0 && level[v]<level[e.to])
{
int d=dfs(e.to,t,min(f,e.cap));
if(d>0)
{
e.cap=e.cap-d;
g[e.to][e.rev].cap+=d;
return d;
}
}
}
return 0;
}
int maxflow(int s,int t)
{
int flow=0;
while(true)
{
bfs(s);
if(level[t]<0)
break;
memset(iter,0,sizeof(iter));
int f;
while((f=dfs(s,t,inf))>0 )
flow=flow+f;
}
return flow;
}
优化技巧
缩点:
在实际情况中,我们常常会遇到一些问题,使得有的点的规模比较大,比如{a1,a2....an}与{b1,b2......bn}相互连接形成的二分图中,我们发现a的规模达到了极其高,b的规模很小只有10左右。
我们就发现这样一个事实,对于两个不同的ai和aj来说,他们连接到b的方式很可能完全相同(一定要相同才行),我们将其完全独立进行流量算法的时候会计算两次,但是如果我们将他们合并成一个点,对应边上流量通过量求和,我们就可以将点缩成一个点。因此可以极大的减少运算的复杂度。
对b的处理采用二进制位处理进行判断和连接对应边