网络流算法学习笔记——Dinic有效算法

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：

1. 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
2. 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：

1. 找出流通量最小的顶点：1，6，10，流通量均为3；
2. 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；
3. 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)