Edmonds-Karp算法（EK算法）简单讲解及实现（邻接表）

最大流问题介绍

图定义

给定一张有向图，a->b 边的权值表示当前情况下，从a到b能够发送的流量上限是多少，比如 a->b = 10 表示当前能够从a发10流量给b，当然我们也可以选择不发那么多。

例子：
假设a->b 之间未有任何流量的发送，此时我们发8流量，那么 a->b = 10 变为 a->b = 2 ，a->b 能够发送的流量上限由10 变为 2

源点与汇点

源点只发不收，汇点只收不发，其他点作为中转站，既可以发也可以收，这像极了快递物流网络。。。

源点：卖家
汇点：买家
其他点：快递物流站点

最大流问题描述

从源点能够想方设法发送到汇点的最大流量的值，而求解这个问题就是求解这个最大值

你可能会想：这不是直接把源点发送的流量拉满就行了🐎？

然而事实是这样的：两点之间发送流量最大值取决于两点之间管道最细的地方的大小（木桶原理），前面塞太多后面放不下。。。

Ford-Fulkerson方法

Ford-Fulkerson不是算法，是一种方法，而通过bfs实现这种方法，叫做Edmonds-Karp算法

回退边与增广图

Ford-Fulkerson定义了一个非常具有创造性的“回退边”

如果我们在a->b中塞入x流量，表示我们买了x货物，于是我们可以退货。
回退边描述了这种退货的行为，回退边的权值是我们已经塞入的流量的大小（联系现实生活中，买了x货物，最多退货量为x）

我们在原图g的基础上增加回退边，构成原图的增广图ga，增广图包含的回退边的权值等于已经塞入的流量的大小

伪代码

Ford-Fulkerson方法提供了一种求解最大流的思路，是一个很巧妙的贪心思路，这是他的伪代码：

sum = 0
while True:
	构造原图g的增广图ga
	在增广图ga上找到一条从源点到汇点的最短路径p,这个最短指的是经过的点最少而不是经过的边权值之和最小
	if 找不到p :
		break
	记录p一路走来遇到的"最细"的管道大小f（即经过的所有边中权值的最小值）
	通过f来更新原图中路径p上的边:
	for 边(a->b) in p:
		(a->b)能够通过的流量上限 -= f
		(b->a)能够通过的流量上限 += f
	sum += f
	
sum就是图最大流

很抽象

图解

Edmonds-Karp算法

EK算法之所以是算法，在于它确定了在增广图上找最短路径的方法，即BFS，因为bfs的特性，b到终点一定是最短路

复杂度

bfs用邻接表，复杂度为O(e)，更新边复杂度O(e)，而每次最少增长1的流量，假设图最大流答案是f，则最多需要f次bfs，所以总复杂度为(O(e)+O(e) * f) = O(ef)

代码实现细节

1. 因为边具有属性，邻接表adj[x]不再存储下一个顶点的信息，而是存储所有从x出发的边，在边集合中的下标
2. 一条边具有两个属性：起点，当前允许的最大流量
3. 因为回退边的存在，总共边的数量是原图边数量的两倍
4. 在bf