1. Ford-Fulkerson 方法中,有三个概念:剩余网络,增广路径, 割。称Ford-Fulkerson为方法而不是算法是因为它是一类算法的统称。
剩余网络,就是在原网络中增加反向边。 如果选择从点u到点v流过流量f,那从v到u就有容量为f的反向边。
反向边存在的意义是对已经选择的流“反悔”,如下图,如果第一次选择路径0-1-3-5,那第二次就没有路径可选了,此时流量为1。
如果存在反向边,那么第二次可以选择路径0-2-3-1-4-5,此时流量为2。
增广路径,就是在剩余网络中从源点到汇点的一条路径。
最大流最小割定理
令f为原网络中从s到t的流量,下面三个命题互相等价:
1. f是最大流
2. 剩余网络中没有增广路径
3. 原网络中存在一个割(S,T), 使得 |f| = c(S, T), 其中
Ford_Fulkerson_Method( G, s, t )
1. initialize flow f to 0
2. while there exist an augmenting path p in the residual network Gf
3. augment flow f along p
4. return f
2. Edmonds-Karp算法
Ford-Fulkerson中存在的问题是,在最坏情况下,时间复杂度为O(E*F),其中F为最大流。
解决方法是每次选择增广路径时都选最短路,这就是Edmonds-Karp算法。
3. SAP
每次选择最短路可以用bfs,但bfs很耗时。SAP (shortest augmenting path) 一开始使用bfs对每个点到汇点的距离进行标记,此后根据标记的距离进行dfs寻找一条最短路。例如最开始源点到汇点的最短距离为k,那dfs中下一步就寻找距离为k-1的点。
如果在某个点找不到可以往下走的点,那么就要更新这个点的距离,把它设为 min{ dis[i] } + 1,min{ dis[i] } 是在剩余网络中这个点的所有邻居中的最小距离。
GAP优化:如果在更新的过程中发现已经没有某个距离的点了,那就产生了一个gap,意味着已经没有增广路径了,算法可以提前结束。
模板(邻接表):
#include <iostream>
#include <vector>
#include <queue>
#include <cstring>
using namespace std;
#define INF 0xFFFFF
const int MAXN = 400;
struct Edge
{
int id;
int cap;
Edge( int _id, int _cap ) : id(_id), cap(_cap) { }
};
struct Node
{
vector<Edge> next;
}node[MAXN];
int dis[MAXN];
int pre[MAXN];
int gap[MAXN+1];
int gapFlag;
void initNetwork()
{
for( int i = 0; i < MAXN; i++ )
node[i].next.clear();
}
void addEdge( int a, int b, int c )
{
node[a].next.push_back( Edge(b, c) );
node[b].next.push_back( Edge(a, 0) );
}
void updateEdge( int a, int b, int increment )
{
for( int i = 0; i < node[a].next.size(); i++ )
{
if( node[a].next[i].id == b )
{
node[a].next[i].cap += increment;
break;
}
}
}
void bfs( int sink ) // set the dis[]
{
memset( dis, -1, sizeof(dis) );
memset( gap, 0, sizeof(gap) );
gapFlag = 0;
queue<int> q;
q.push( sink );
dis[sink] = 0;
gap[0] = 1;
while( !q.empty() )
{
int cur = q.front();
q.pop();
for( int i = 0; i < node[cur].next.size(); i++ )
{
int nextId = node[cur].next[i].id;
int cap = node[cur].next[i].cap;
if( dis[nextId] == -1 && cap == 0 )
{
dis[nextId] = dis[cur] + 1;
gap[ dis[nextId] ] += 1;
q.push( nextId );
}
}
}
}
int dfs( int cur, int sink, int &minFlow )
{
if( cur == sink )
return 1;
for( int i = 0; i < node[cur].next.size(); i++ )
{
int nextId = node[cur].next[i].id;
int cap = node[cur].next[i].cap;
if( dis[nextId] == dis[cur]-1 && cap > 0 )
{
if( dfs( nextId, sink, minFlow ) == 1 )
{
minFlow = ( cap < minFlow )? cap : minFlow;
pre[nextId] = cur;
return 1;
}
}
}
// search failed, update dis[cur]
gap[ dis[cur] ] -= 1;
if( gap[dis[cur]] == 0 )
{
gapFlag = 1;
return 0;
}
int minDis = MAXN;
for( int i = 0; i < node[cur].next.size(); i++ )
{
int nextId = node[cur].next[i].id;
int cap = node[cur].next[i].cap;
if( cap > 0 && dis[nextId] != -1 && dis[nextId] < minDis )
minDis = dis[nextId];
}
dis[cur] = minDis + 1;
gap[ dis[cur] ] += 1;
return 0;
}
int maxFlow( int source, int sink, int N )
{
int flow = 0;
bfs( sink ); // set the dis[]
while( dis[source] < N )
{
int minFlow = INF;
if( dfs( source, sink, minFlow ) == 1 )
{
int j = sink, k;
while( j != source )
{
k = pre[j];
updateEdge( k, j, -minFlow );
updateEdge( j, k, minFlow );
j = k;
}
flow += minFlow;
}
else if( gapFlag == 1 )
break;
}
return flow;
}