网络流算法

网络流算法

---

本文对最大流算法做一个总结，不涉及最小费用流等问题的算法。

最大流算法

Ford-Fulkerson算法：不断使用dfs或者bfs寻找增广路径，直到没有增广路径算法停止。算法的复杂度是$O(nm^2)$。
常用的Dinic算法：不断用bfs构造层次图，然后使用DFS沿着阻塞流增广。Dinic算法的复杂度是$O(n^2m)$。实际上Dinic算法比这个理论的界要好得多。
ISAP算法：bfs反向建立层次图($d[t]=1$)，和Dinic算法一样，只允许沿着$d[i]=d[j]+1$的弧$(i,j)$走。然后有retreat和gap优化。

二分图匹配

匈牙利算法：从非匹配点出发寻找匹配边和非匹配边交叉的增广路，直到终点是非匹配点。这样非匹配边比匹配边多一条，交换非匹配边为匹配边。直到找不到增广路径。

数学规律

1. |最大流|=|最小割|
2. 对于二分图，|最大匹配|=|最小顶点覆盖|
3. |最大独立集|+|最小顶点覆盖|=|V|
4. 对于不存在孤立点的图，|最大匹配|+|最小边覆盖|=|V|

解题技巧

无向图的情况

把无向图中容量为c的一条边当作有向图中两个方向各有一条容量为c的两条边。

顶点上有容量限制的情况

拆分顶点为入顶点和出顶点，然后入顶点指向出顶点一条有向边，容量为c。

有最小流量限制的情况

增加新的源点S和汇点T。令每条边$e=(u,v)$, 令$c'(e)=c(e)-b(e)$，并从S向v连一条容量为$b(e)$的边，从u向T连一条容量为$b(e)$的边，并从S向s连一条容量为$\infty$的边，从t向T连一条容量为$\infty$的边，这样就转换为没有最小流量限制的情况。但是要在S与s，T与t连边之前，检查从S到T的最大流流量是否为$\sum_{e\in E}b(e)$，否则没有可行解。

根据数学规律转化

1. 二分图 最小顶点覆盖=最大匹配

2. 用最小费用将对象划分成两个集合的问题，常常可以转换成最小割。

拆点

如果已知（牛，食物），（牛，饮料），求最大匹配（牛，食物，饮料）。通过将牛拆成两个点，边容量为1。