屈婉玲《算法设计与分析》第2版第7章网络流算法学习笔记。
概述
Dinic有效算法同样用来求最大流,相当于FF算法的改进。
FF算法参考:网络流算法学习笔记——最大流问题基本概念和Ford-Fulkerson方法(标号法C++实现)
改进之处有:
- FF算法每次只找1条s-t增广链,而Dinic算法每次能找很多条
- Dinic算法每次都找最短的(边数最少的)s-t增广链(why?)
第1点显然能提高效率,但第2点为什么要找最短路径呢?看《算法导论》的一个FF算法的例子。
初始为0流的网络,找到一条增广路径:
更新残留网络,再找增广路径:
更新残留网络:
在这种情况下,每次仅增加1个单位的总流量,共要执行2,000,000次运算。
dinic算法能确保不发生这种情况。
概念
初始网络N,及当前可行流f:
辅助网络、辅助容量:N(f)、ac
设容量网络N,f是一个可行流,记其辅助网络为N(f);屈婉玲版《算法设计与分析》对残留网络的别称。
辅助容量是辅助网络中重新定义的容量 :
- ac(i, j) = c(i, j) - f(i, j),当<i, j>是前向边,且f(i, j) < c(i, j)时
- ac(j, i) = f(i, j),当<i, j>是前向边,且f(i, j) > 0时
即前向边还能压入多少流量,后向边还能退回多少流量。
分层辅助网络:AN(f)
删除辅助网络中部分非最短路径的辅助网络。用广度优先搜索N(f),标记每个节点的层号(图b方框里标注),把从高层到低层的边,及层数大于等于t的顶点删掉。
流通量:th(i)
AN(f)中所有以顶点i为终点的边的容量和,与所有以i为始点的容量和中的最小者。即顶点i所能承载的最大流量。规定以s为终点和以t为始点的边的容量为+∞。
算法步骤
1. 构造AN(f)
接下来,循环执行下面的步骤2、3。
2. 删去流通量0的顶点和边
流通量为0的顶点及关联的边都可以删去,出现新的流通量0的顶点继续删:
至此,网络简化了不少,准备工作完成了。
3. 安排流量
构造好AN(f)后,尽可能多的找出s到t的最短路径并分配流量:
- 找出流通量最小的顶点:1,6,10,流通量均为3;
- 从顶点1向后看,发出3单位的流量,尽可能多的分配给每个后面的边(比如从顶点4分配2个单位的流量时,不能给顶点6一个、给顶点8一个),全部送到t为止;
- 从顶点1向前看,从s获得3单位的流量。
安排完毕后,重复步骤2,AN(f)变成了下图;重复步骤3安排流量:
再重复步骤2,发现此时s、t的流通量都变为了0(下图所有顶点流通量都是0),跳出循环:
至此,把以上找到的流叠加起来,就找到了AN(f)的一个极大流g1,如下:
将极大流叠加到原来的流f上,得到新的N和f2:
至此第一个过程结束。回到步骤1,重复执行上述过程,构造AN(f)并寻找其极大流:
下一组,构造AN(f)时发现没有从s到t的通路,计算结束:
代码实现
伪码
屈婉玲《算法设计与分析》第2版中的伪代码如下:
1. f ← 0 //取零流作为初始可行流
2. 构造AN(f) //bfs遍历
3. if AN(f)中不存在从s到t的路径 then return f //计算结束
4. g ← 0
5. if AN(f)中存在th(i)=0 then
6. if i=s or i=t then goto 15
7. else 删去i及其关联的边
8. 找到流通量最小的顶点k,从k开始将th(k)个单位的流量向后送到t,向前推到s,并将它们加到g上
9. 删去k及其关联的边
10. for <i, j> ∈ AE(f) do
11. if g(i, j)=ac(i, j