网络流

网络流算法以及最小费用最大流算法

想必能看到这篇的人基本都对网络流有一定了解，但是为了照顾所有人我将先对这个概念进行解释

什么是网络流问题？

简单来说就是水流从一个源点s通过很多路径，经过很多点，到达汇点t，问你最多能有多少水能够到达t点

问题求解思路

我们看到这个问题首先不必急于求解，我们先进行问题分析，首先因为有多条路可以到达t点所以每条路都有一个流量，那么有人肯定会说那就每条流量最大不就行了吗，但是要意识到每个边都有一个权值，便是此条管道最大流量，不能超过否则会撑爆管道，所以我们要对所有可行路进行搜索，将会得到不同的路径序列，将每个序列中的最小值作为此路径上的流；

比如：s->4->5->t我们可以发现最小值为45，所以我们得到此路径最大流45

我们依照此方式进行广度优先搜索将会得到不同序列的不同最大流，然后定义全局变量sum每次加上每条路径最大流即可，看似没有问题，可是让我们回顾下我们的算法有什么不足呢，首先我们搜索方式是无序的，那么有可能找到的是次优解，所以我们应该保证每种情况下的结果都考虑到，当然有些人肯定会想到回溯算法，但是回溯虽然好用但是数据量一大就会爆，所以我们应该跟换一种方式，我们可以再每次搜到一条路径就对每个子路径减去最大流，同时加上反向边（可以用旅行问题来理解这个方式）反向边初始为零每次正向边减去多少反向边就加上多少，搜索直到无增广路为止。

然后后续操作就跟我们之前想的一样了，每次进行广度优先搜索，然后sum变量加上每次得到的最大流。

这里主要给出关键部分代码

int pre[1000]
int inque[1000]
bool bfs()
{
	queue<int> q;
	memset(inque,0,sizeof(inque));
	memset(pre,-1,sizeof(pre))
	inque[begin]=1;
	q.push(begin);
	while(!q.empty())
	{
		int u=q.front;
		q.pop;
		for(int i=head[u];i;i=node[i].next)
		{
			int k=node[i].v;
			if(!inque[k]&&node[i].val)
			{
				inque[k]=1;
				pre[d].v=u;
				pre[k].edge=i;
				if(k==t)return 1;
				q.push(k);
			}
		}
	}
	return 0;
}

int EK()
{
	int sum;
	while(bfs())
	{
		int l=100000;
		for(int i=t;i!=s;i=pre[i].v)
		{
			l=min(l,node[pre[i].edge].val);
		}
		for(int i=t;i!=s;i=pre[i].v)
		{
			node[pre[i].edge].val-=l;
			node[pre[i].edge^1].val+=l;
		}
		sum+=l;
	}
	return ans;
}

以上就是代码部分很好理解吧，加下来我们来思考，如果每个边都有一个权值作为单位流量的费用，我们要求最小花费情况下的最大流，应该怎么求。

首先我们应该知道这是一个求最短路径的问题模型，但是这个问题中因为我们仍然采用寻找增广路模式，如果我们增加回退边的话，势必要引入负权边，那么诸如迪杰斯特拉，floyd算法便没有了用武之地，但是前辈已经为我们想出了一个好办法我们可以用SPFA算法解决这个问题，其实SPFA算法实际上就是基于队列实现的，下面是具体算法

【队列+松弛操作】

读取队头顶点u，并将队头顶点u出队（记得消除标记）；将与点u相连的所有点v进行松弛操作，如果能更新估计值（即令d[v]变小），那么就更新，另外，如果点v没有在队列中，那么要将点v入队（记得标记），如果已经在队列中了，那么就不用入队，这样不断从队列中取出顶点来进行松弛操作。

以此循环，直到队空为止就完成了单源最短路的求解。

【算法过程】

设立一个队列用来保存待优化的顶点，优化时每次取出队首顶点 u，并且用 u 点当前的最短路径估计值dis[u]对与 u 点邻接的顶点 v 进行松弛操作，如果 v 点的最短路径估计值dis[v]可以更小，且 v 点不在当前的队列中，就将 v 点放入队尾。这样不断从队列中取出顶点来进行松弛操作，直至队列空为止。

【检测负权回路】

方法：如果某个点进入队列的次数大于等于 n，则存在负权回路，其中 n 为图的顶点数

然后我们只需要对上述代码进行小幅度改动即可，将搜索部分改为SPFA即可。