想象这样一个场面:从自来水厂到你家有若干根水管,每根水管都有一个流量上限,你想要求出到你家的水流量最大是多少。
这就是经典的网络最大流问题。
在详细介绍最大流的解法前,让我们先认识一个概念,增广路。
何谓增广路?指的就是一条从源点(水厂)到汇点(家)的一条路径,这条路径可以使流到你家的水量增加。
我们求解最大流问题,自然就是不停找增广路的过程。可以证明,如果图中没有增广路,那么当前的流就是最大流。
Part 1 Edmond-Karp(EK)算法
怎样找增广路呢?采用 DFS 的方法很显然会被卡掉。
于是我们可以采用 BFS 的方法来找增广路,这就是EK算法。
EK 算法的过程很好理解:每次 BFS 寻找增广路,找不到增广路就结束。
但这样会产生一个问题:万一增广的时候出了错导致丢失了最优解的时候,该如何解决呢?
解决方法是加入反向边,给一个后悔的机会。
每次进行增广的过程时,我们不但要给当前边的流量减去 \(w\),还要给它的反向边加上 \(w\)。
这样,我们就可以通过反向边,迂回地进行增广。
代码很简单:
#include <cstdio> #include <cstring> #include <algorithm> #include <queue> #define INF 0x3f3f3f3f using namespace std; struct edge { int v,w,next; }e[200005]; struct node { int v,e; }p[10005]; int head[10005],vis[10005]; int n,m,s,t,cnt=1; void addedge(int u,int v,int w) { e[++cnt].v=v; e[cnt].w=w; e[cnt].next=head[u]; head[u]=cnt; } bool bfs() { queue<int> q; memset(p,0,sizeof(p)); memset(vis,0,sizeof(vis)); vis[s]=1; q.push(s); while(!q.empty()) { int cur=q.front(); q.pop(); for(int i=head[cur];i;i=e[i].next) if((!vis[e[i].v])&&e[i].w) { p[e[i].v].v=cur; p[e[i].v].e=i; if(e[i].v==t)return 1; vis[e[i].v]=1; q.push(e[i].v); } } return 0; } int main() { scanf("%d%d%d%d",&n,&m,&s,&t); for(int i=1;i<=m;i++) { int u,v,w; scanf("%d%d%d",&u,&v,&w); addedge(u,v,w); addedge(v,u,0); } int ans=0; while(bfs()) { int minw=INF; for(int i=t;i!=s;i=p[i].v) minw=min(minw,e[p[i].e].w); for(int i=t;i!=s;i=p[i].v) { e[p[i].e].w-=minw; e[p[i].e^1].w+=minw; } ans+=minw; } printf("%d\n",ans); return 0; }
如果我们设点数为 \(n\),边数为 \(m\),EK 算法的时间复杂度是 \(O(nm^2)\),这样的效率已经足以解决大多数问题,但我们还有效率更高的方法。
Part 2 Dinic算法
相对于EK算法的 \(O(nm^2)\) 的时间复杂度,Dinic 算法的复杂度乍一看似乎并不算太优秀:\(O(n^2m)\)。
没错,在稀疏图上两者确实没有太大差异,但稠密图上,Dinic 算法的实际运行效率要高很多。
(事实上,如果没有下文提到的多路增广和当前弧优化,Dinic 的实际运行效率甚至不如 EK 算法)
每次增广前,我们先用 BFS 来将图分层。设源点的层数为 \(0\),那么一个点的层数便是它离源点的最近距离。
通过分层,我们可以干两件事情:
- 如果不存在到汇点的增广路(即汇点的层数不存在),我们即可停止增广。
- 让我们能找到一条最短的增广路。
与 EK 不同,在 Dinic 中,我们采用 DFS 来找增广路。
我们每次找增广路的时候,都只找比当前点层数多 \(1\) 的点进行增广(这样就可以确保我们找到的增广路是最短的)。
Dinic 增广时的一大优势就是:多路增广。
每次找到一条增广路的时候,如果残余流量没有用完怎么办呢?当然不能浪费!我们可以利用残余部分流量,再找出一条增广路。这样便大大提高了算法的效率。
我们还能发现一个事实:如果一条边已经被增广过,那么它就没有可能被增广第二次。
那么,我们下一次进行增广的时候,就可以不必再走那些已经被增广过的边。这就是当前弧优化。
通过当前弧优化,Dinic 的实际运行效率又能够提高一大截。
#include <cstdio> #include <cstring> #include <algorithm> #include <queue> #define INF 0x3f3f3f3f using namespace std; struct edge { int v,w,next; }e[200005]; int n,m,s,t,cnt=1; int head[100005],dep[100005],vis[100005],cur[100005]; void addedge(int u,int v,int w) { e[++cnt].v=v; e[cnt].w=w; e[cnt].next=head[u]; head[u]=cnt; } bool bfs() { queue<int> q; memset(dep,INF,sizeof(dep)); memset(vis,0,sizeof(vis)); memcpy(cur,head,sizeof(head)); dep[s]=0; vis[s]=1; q.push(s); while(!q.empty()) { int p=q.front(); q.pop(); vis[p]=0; for(int i=head[p];i;i=e[i].next) if(dep[e[i].v]>dep[p]+1&&e[i].w) { dep[e[i].v]=dep[p]+1; if(!vis[e[i].v]) { vis[e[i].v]=1; q.push(e[i].v); } } } if(dep[t]==INF)return 0; return 1; } int dfs(int p,int w) { if(p==t)return w; int used=0;//已经使用的流量 for(int i=cur[p];i;i=e[i].next)//每条边都尝试找一次增广路 { cur[p]=i;//当前弧优化 if(dep[e[i].v]==dep[p]+1&&e[i].w) { int flow=dfs(e[i].v,min(w-used,e[i].w)); if(flow) { used+=flow; e[i].w-=flow; e[i^1].w+=flow; if(used==w)break;//残余流量用尽了就停止增广 } } } return used; } int main() { scanf("%d%d%d%d",&n,&m,&s,&t); for(int i=1;i<=m;i++) { int u,v,w; scanf("%d%d%d",&u,&v,&w); addedge(u,v,w); addedge(v,u,0); } int ans=0; while(bfs()) ans+=dfs(s,INF); printf("%d\n",ans); return 0; }
PS:在求解二分图最大匹配的时候,可以证明 Dinic 算法的复杂度上限为\(O(m \sqrt n)\),比匈牙利算法的复杂度上限 \(O(nm)\) 要优。(实际效率来说,匈牙利算法也很不错)
Part 3 ISAP
(先咕着)