电子科技大学高级算法设计与分析-MaxFlow网络流基础知识梳理

MaxFlow网络流

1 网络流基础概念

source：源点

sink：终点

Flow：流量

capacity：容量

Residual：残量

Residual Network：残量网络

Augmenting path：增广路径，表示从源点 s 到终点 t 不包含环的路径

Bottleneck capacity：瓶颈容量

2 最大流

2.1 基础概念

2.2 增广路算法

当残量网络不包含增广路径时能求得最大流

2.2.1 最大流贪心算法

最大流贪心算法只能实现局部最优，无法实现全局最优！

2.2.2 Ford-Fulkerson

• Worst-Case Iteration Complexity
  每次迭代至少增加 1 的流量，所以迭代次数 ≤ 最大流量
  总结：最坏情况，迭代次数 = 最大流量。 假设有 m 条边，寻找一条增广路径的时间为 O(m)，最大流量为 f，那么最坏情况下的时间复杂度为 O(f * m)

• 循环结束条件为，找不到增广路径：

1. 寻找一条增广路径（augmenting path）
2. 找到这条增光路径上的瓶颈容量（bottleneck capacity）
3. 更新残余网络
4. 添加反向边

2.3 Capacity-scaling algorithm

Ford–Fulkerson 的指数时间来源于对增广路径的选择，如下形式的选择，就只能每次增加 1 的流量，导致算法朝着指数的时间增长。
思考： 是否可以做出改变，每次选择更大的 bottleneck capacity？这样就可以有更少的迭代次数！ （即选择最少的边，最大的瓶颈容量，Capacity-scaling algorithm 诞生）

3 最小割

3.1 基础概念

3.2 最小割

3.3 最小割案例

4 流与割

4.1 基础概念

4.2 最大流求解最小割

1. 通过最大流算法获得最终残余网络
2. 寻找最小割（S，T）
   • S ← 在剩余网络中，寻找 s 能够到底的所有点
   • T ← 除开 S 中包含的其他点。
     

5 剩余网络