算法导论随笔(十一)：最大流(Max-Flow)与Ford-Fulkerson算法(附Python实现源码)

前面的几篇文章中我们讨论了一些图的算法。其中大部分都是关于无向图的算法。这篇文章里我来说说有向图的算法。先说一说有向图的一个应用，也就是流网络(Flow Network)。

1. 流网络

先来看流网络的定义。对于流网络，《算法导论》第26章是这样定义的：

流网络 G = (V, E)是一个有向图，图中每一条边(u, v) ∈ E有一个非负的容量值c(u, v) >=0。而且，如果边集合E包含一条边(u, v)，则图中不存在反方向的边(v, u)。如果(u, v) ∉ E，则为方便起见，定义c(u, v) = 0。并且在图中不允许自循环。在流网络的所有节点中，我们特别分辨出两个特殊节点：源节点s和汇点t。

下面我来用一个例子对这个定义进行解释。来看下面的这个有向图。图中的s为源节点(source)，t为汇点(sink)。也就是说，对于顶点s，只能有以它为起点的边；而对于t，只能有以它为终点的边。图中每个边上面的数字就是这条边的容量值c。例如，c(s, v) = 6。图中没有(s, z)这条边，因此c(s, z) = 0。图中不能有自循环边，也就是(s, s)这样的边。我们用f(u, v)表示两个点之间的实际流量值。

一个流网络有如下两个性质：
容量限制：对于流网络中所有的节点u, v ∈ V，都有
$$0\le f(u,v)\le c(u,v)$$
也就是说，图中一条边的实际流量不能超过流量上限(即容量值c, 是capacity的缩写)，也不能少于0。例如，我们把上图想象成一个水管网格。那么对于(s, w)这条水管来说，它里面流淌的水不能超过6个单位(也就是c(s, w))，也不能少于0个单位。

流量守恒： 对于流网络中除了s和t之外的其他节点 v∈ V - {s, t}，都有
$$\sum _{v\in V}f(v,u)=\sum _{v\in V}f(u,v)$$
这个看起来复杂的公式其实要表达的意思非常简单。以上面图中的点u来说，所有以它为终点的边的实际流量的和，必须等于所有以它为起点的边的实际流量的和。

(注意：我们用x/y来表示一条边的实际流量和容量，例如下图中(s, v₁)的11/16，表示实际流量为11，容量为16)。

举一个例子说明这个性质。如下图。例如对于点v₁来说，有两条边以它为终点：(s, v₁)和(v₂, v₁)。我们来看着两条边的流，一个是f(s, v₁) = 11，一个是f(v₂, v₁) = 1。因此，以v₁为终点的边的实际流量之和为11 + 1 = 12。
而网络中以v₁为起点的边只有一条，即(v₁, v₃)。而f(v₁, v₃) = 12。

因此，对于点v₁，我们有
$$f(s,v_1)+f(v_2,v_1$$