用最通俗的语言让你学会网络流 |
您所在的位置:网站首页 › 0x3f3f3f3f是多少 › 用最通俗的语言让你学会网络流 |
我们想象一下自来水厂到你家的水管网是一个复杂的有向图,每一节水管都有一个最大承载流量。自来水厂不放水,你家就断水了。但是就算自来水厂拼命的往管网里面注水,你家收到的水流量也是上限(毕竟每根水管承载量有限)。你想知道你能够拿到多少水,这就是一种网络流问题。 在网上找了很久资料,虽然讲解网络流的资料很多但是浅显易懂的很少(可能是我太蒻了吧),写这篇文章只希望点进来的人都能学会网络流(都能点赞) 我尽量用通俗易懂的语言讲解,同时结合图示理解。 我将讲解以下网络流算法: 最大流 最小费用最大流 先从最基础的最大流开始:何为最大流问题? 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。 结合图示理解:
从s到t经过若干个点,若干条边,每一条边的水流都不能超过边权值(可以小于等于但不能大于),所以该图的最大流就是10+22+45=77。 如果你还是不能理解,我们就换一种说法,假设s城有inf个人想去t城,但是从s到t要经过一些城市才能到达,(以上图为例)其中s到3城的火车票还剩10张,3到t的火车票还剩15张,其他路以此类推,问最终最多能有多少人能到达t城?(假设这个地区只有火车,没有汽车飞机,步行和骑自行车会累死就不考虑了,再假设所有人都买得起火车票。) 那怎么么解决这个问题呢? 对于这个问题,刚看到时,你有什么想法? 或许你会有一个这样的思路:从s开始找所有能到达t的路径,然后找每条路径上权值最小的边(或者说能承受水流最小的管子),再进行其它操作,就能找到这张图的最大流。 然后我们有 EK(Edmond—Karp)算法。 其实还有其它算法,但由于过于复杂(作者太懒不想画图),(以作者的语文水平)很难讲的通俗易懂,就不献丑了。这里我就不介绍那么多公式定理之类的了(为了通俗易懂,并且不把你绕晕),为方便讲解,引入一个概念: 增广路:增广路是指从s到t的一条路,流过这条路,使得当前的流(可以到达t的人)可以增加。 那么求最大流问题可以转换为不断求解增广路的问题,并且,显然当图中不存在增广路时就达到了最大流。具体怎么操作呢? 其实很简单,直接从s到t广搜即可,从s开始不断向外广搜,通过权值大于0的边(因为后面会减边权值,所以可能存在边权为0的边),直到找到t为止,然后找到该路径上边权最小的边,记为mi,然后最大流加mi,然后把该路径上的每一条边的边权减去mi,直到找不到一条增广路(从s到t的一条路径)为止。(为什么要用mi呢?你要争取在这条路上多走更多人,但又不能让人停在某个城市) 具体操作: 找增广路: bool bfs(){ queueq; memset(inque,0,sizeof(inque)); memset(pre,-1,sizeof(pre)); inque[s]=1; q.push(s); while(!q.empty()){ int u=q.front(); q.pop(); for(int i=head[u];i;i=node[i].next){ int d=node[i].v; if(!inque[d]&&node[i].val){//node[i].val==0则已经该路径满了 inque[d]=1; pre[d].v=u; pre[d].edge=i; if(d==t)return 1; q.push(d); } } } return 0; }//是否有增广路那个pre数组是由来记录路径的,它长这样: struct Pre{ int v;//该点的前一个点(从起点过来) int edge;//与该点相连的边(靠近起点的) }pre[101010];然后直接累加最大流(注意加的时候要把改边边权减去相应的流量,防止一直重复加同一段流) 那代码是长这样的吗? int EK(){ int ans=0; while(bfs()){ int mi=inf; for(int i=t;i!=s;i=pre[i].v){ mi=min(mi,node[pre[i].edge].val); } for(int i=t;i!=s;i=pre[i].v){ node[pre[i].edge].val-=mi; } ans+=mi; } return ans; }当然不是,万一第一次流错了使得这样的流法无法得到最大流怎么办? 还是以刚才那张图为例,为了防止你再翻上去,我直接再放一次:
如果你第一次的增广路是:s->3->5->t流量显然是10,第二次的增广路是s->4->5->t流量显然是35(因为5->t的流量有10点被3号点来的人占领了)。 而这种方案显然不如:s->4->5->t流量为45,s->3->t流量为10。 那程序怎么知道哪种方案最优? 它当然不知道,我们要把所有情况都找一遍,难道要回溯? 当然不,这里使用一种高级技巧,加反向边。什么意思? 以下图为例:
这是刚才那张图,我们在每条边都加了一条反向的,权值为0的边(红色的边)。 有什么用呢? 占空间?拖时间?显然不是。 先不管有什么用,加了反向边,我们再跑一次EK,这次,除了要给增广路上的边都减去该路上的最小流量以外,还要给反向边加上最小流量。为什么?先别管。 先找增广路,比如说我们走了s->3->5->t,那么图会变成:
再找一次增广路,这次比如说我们走s->4->5->t。
再找一次增广路,这次我们找s->4->5->3->t
好像有点奇怪。你可能会想:为什么这次搜索的时候走了反向边(红色)的边,为什么走了反向边(红色)的边会加正向边(黑色)的边? 这就好像是45个人沿着s->4->5->t的路线想去t城,到了5城却发现有10个来自3城的人先定了5->t的票!他们十分焦急,总不能让他们在5城等吧。 怎么办呢?他们通过反向边上的标记发现了那10个人是来自3城的,利用标记,他们发现那10个人可以直接从3城到t城,于是他们(利用了哆啦A梦的时光机)告诉还在3城时的那10个人可以直接走3->t这条路,然后他们就可以买到空出来的5->t的10张票了。 现在你知道反向边的作用了吧:留下一个标记,让后面的人有机会让前面的人走另一条路。理解了反向边的作用,恭喜你已经理解了EK求解最大流算法的原理了。 下面讲解关于反向边在代码中的实现: 关于反向边在加正向边时要一起加上,边权为0,然后在寻找增广路时就没必要关注一条边是正向边还是反向边了,在统计最大流时,要把每一条经过的边的边权减去这条增广路的流(最小流量),每条经过的边的反向边(反向边的反向边是正向边,负负得正)加上这条增广路的流。 现在还有一个小问题,怎么通过一条边的编号求它的反向边的编号。由于正向边和反向边是一起加的,所以反向边的编号与正向边的编号只相差1。 那就好办了。 如果第一条边的编号是偶数,就有 正向边的编号^1==反向边的编号;反向边的编号^1==正向边的编号。(?为什么?) 那么接下来就来证明:当正向边的编号为2n时反向边的编号为2n+1。设n的二进制表示为XXXXX,则2n==n//最小费用最大流的EK算法 maxflow=0; cost=0; int mi; register int i; while(spfa()){ mi=inf; for(i=t;i!=s;i=pre[i].fa)mi=min(mi,node[pre[i].adge].val); for(i=t;i!=s;i=pre[i].fa){ node[pre[i].adge].val-=mi; node[pre[i].adge^1].val+=mi; } maxflow+=mi; cost+=mi*dist[t]; //本增广路最多能流的流量*从s到t的单位费用 } return maxflow; } 这道题是 【模板】最小费用最大流 附上完整代码: //EK算法求解最小费用最大流 #include #include #include #include #include using namespace std; int maxflow;//最大流 int cost;//最小费用 int top=1,head[5010]; const int inf=1dist[u]+w){ dist[d]=dist[u]+w; pre[d].fa=u; pre[d].adge=i; if(inque[d]==0){ q.push(d); inque[d]=1; } } } } return dist[t]!=0x3f3f3f3f; }//寻找费用最小的增广路 int EK(){//最小费用最大流的EK算法 maxflow=0; cost=0; int mi; register int i; while(spfa()){ mi=inf; for(i=t;i!=s;i=pre[i].fa)mi=min(mi,node[pre[i].adge].val); for(i=t;i!=s;i=pre[i].fa){ node[pre[i].adge].val-=mi; node[pre[i].adge^1].val+=mi; } maxflow+=mi; cost+=mi*dist[t]; } return maxflow; } int main(){ n=Read(),m=Read(),s=Read(),t=Read(); register int i; int u,v,val,w; for(i=1;i |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |