文档章节

网络流—最大流(Edmond-Karp算法)

吟啸_徐行
 吟啸_徐行
发布于 2013/07/13 21:34
字数 1528
阅读 172
收藏 1

首先要先清楚最大流的含义,就是说从源点到经过的所有路径的最终到达汇点的所有流量和


EK算法的核心
反复寻找源点s到汇点t之间的增广路径,若有,找出增广路径上每一段[容量-流量]的最小值delta,若无,则结束。
在寻找增广路径时,可以用BFS来找,并且更新残留网络的值(涉及到反向边)。
而找到delta后,则使最大流值加上delta,更新为当前的最大流值。

这么一个图,求源点1,到汇点3的最大流

由于我是通过模版真正理解ek的含义,所以先上代码,通过分析代码,来详细叙述ek算法

View Code 
 #include <iostream>
 #include <queue>
 #include<string.h>
 using namespace std;
 #define arraysize 201
 int maxData = 0x7fffffff;
 int capacity[arraysize][arraysize]; //记录残留网络的容量
 int flow[arraysize];                //标记从源点到当前节点实际还剩多少流量可用
 int pre[arraysize];                 //标记在这条路径上当前节点的前驱,同时标记该节点是否在队列中
 int n,m;
 queue<int> myqueue;
 int BFS(int src,int des)
 {
     int i,j;
     while(!myqueue.empty())       //队列清空
         myqueue.pop();
     for(i=1;i<m+1;++i)
     {
         pre[i]=-1;
     }
     pre[src]=0;
     flow[src]= maxData;
     myqueue.push(src);
     while(!myqueue.empty())
     {
         int index = myqueue.front();
         myqueue.pop();
         if(index == des)            //找到了增广路径
             break;
         for(i=1;i<m+1;++i)
         {
             if(i!=src && capacity[index][i]>0 && pre[i]==-1)
             {
                  pre[i] = index; //记录前驱
                  flow[i] = min(capacity[index][i],flow[index]);   //关键:迭代的找到增量
                  myqueue.push(i);
             }
         }
     }
     if(pre[des]==-1)      //残留图中不再存在增广路径
         return -1;
     else
         return flow[des];
 }
 int maxFlow(int src,int des)
 {
     int increasement= 0;
     int sumflow = 0;
     while((increasement=BFS(src,des))!=-1)
     {
          int k = des;          //利用前驱寻找路径
          while(k!=src)
          {
               int last = pre[k];
               capacity[last][k] -= increasement; //改变正向边的容量
               capacity[k][last] += increasement; //改变反向边的容量
               k = last;
          }
          sumflow += increasement;
     }
     return sumflow;
 }
 int main()
 {
     int i,j;
     int start,end,ci;
     while(cin>>n>>m)
     {
         memset(capacity,0,sizeof(capacity));
         memset(flow,0,sizeof(flow));
         for(i=0;i<n;++i)
         {
             cin>>start>>end>>ci;
             if(start == end)               //考虑起点终点相同的情况
                continue;
             capacity[start][end] +=ci;     //此处注意可能出现多条同一起点终点的情况
         }
         cout<<maxFlow(1,m)<<endl;
     }
     return 0;
 }

显而易见capacity存变的流量,进行ek求解

对于BFS找增广路:

1.         flow[1]=INF,pre[1]=0;

        源点1进队列,开始找增广路,capacity[1][2]=40>0,则flow[2]=min(flow[1],40)=40;

        capacity[1][4]=20>0,则flow[4]=min(flow[1],20)=20;

        capacity[2][3]=30>0,则flow[3]=min(folw[2]=40,30)=30;

        capacity[2][4]=30,但是pre[4]=1(已经在capacity[1][4]这遍历过4号点了)

        capacity[3][4].....

        当index=4(汇点),结束增广路的寻找

        传递回increasement(该路径的流),利用前驱pre寻找路径

路径也自然变成了这样:

2.flow[1]=INF,pre[1]=0;

 源点1进队列,开始找增广路,capacity[1][2]=40>0,则flow[2]=min(flow[1],40)=40;

        capacity[1][4]=0!>0,跳过

        capacity[2][3]=30>0,则flow[3]=min(folw[2]=40,30)=30;

        capacity[2][4]=30,pre[4]=2,则flow[2][4]=min(flow[2]=40,20)=20;

        capacity[3][4].....

        当index=4(汇点),结束增广路的寻找

        传递回increasement(该路径的流),利用前驱pre寻找路径

 图也被改成

  

接下来同理

这就是最终完成的图,最终sumflow=20+20+10=50(这个就是最大流的值)

 

 

PS,为什么要有反向边呢?

 

我们第一次找到了1-2-3-4这条增广路,这条路上的delta值显然是1。于是我们修改后得到了下面这个流。(图中的数字是容量)

 

这时候(1,2)和(3,4)边上的流量都等于容量了,我们再也找不到其他的增广路了,当前的流量是1。

但这个答案明显不是最大流,因为我们可以同时走1-2-4和1-3-4,这样可以得到流量为2的流。

那么我们刚刚的算法问题在哪里呢?问题就在于我们没有给程序一个”后悔”的机会,应该有一个不走(2-3-4)而改走(2-4)的机制。那么如何解决这个问题呢?回溯搜索吗?那么我们的效率就上升到指数级了。

而这个算法神奇的利用了一个叫做反向边的概念来解决这个问题。即每条边(I,j)都有一条反向边(j,i),反向边也同样有它的容量。

我们直接来看它是如何解决的:

在第一次找到增广路之后,在把路上每一段的容量减少delta的同时,也把每一段上的反方向的容量增加delta。即在Dec(c[x,y],delta)的同时,inc(c[y,x],delta)

我们来看刚才的例子,在找到1-2-3-4这条增广路之后,把容量修改成如下

这时再找增广路的时候,就会找到1-3-2-4这条可增广量,即delta值为1的可增广路。将这条路增广之后,得到了最大流2。

 

那么,这么做为什么会是对的呢?我来通俗的解释一下吧。

事实上,当我们第二次的增广路走3-2这条反向边的时候,就相当于把2-3这条正向边已经是用了的流量给”退”了回去,不走2-3这条路,而改走从2点出发的其他的路也就是2-4。(有人问如果这里没有2-4怎么办,这时假如没有2-4这条路的话,最终这条增广路也不会存在,因为他根本不能走到汇点)同时本来在3-4上的流量由1-3-4这条路来”接管”。而最终2-3这条路正向流量1,反向流量1,等于没有流量。

这就是这个算法的精华部分,利用反向边,使程序有了一个后悔和改正的机会。而这个算法和我刚才给出的代码相比只多了一句话而已。

至此,最大流Edmond-Karp算法介绍完毕。


本文转载自:http://www.wutianqi.com/?p=3107

共有 人打赏支持
吟啸_徐行
粉丝 18
博文 109
码字总数 15832
作品 0
深圳
高级程序员
私信 提问
加载中

评论(1)

吟啸_徐行
吟啸_徐行
精彩啊
Bryce1010专题训练——最大流

版权声明:时间是有限的,知识是无限的,那就需要在有限的时间里最大化的获取知识。 https://blog.csdn.net/Firetocheat_/article/details/83419978 Bryce1010专题训练——最大流 Edmonds-Ka...

bryce1010
10/26
0
0
网络最大流

网络最大流 例题: 如果网络结构复杂,就得靠算法算出结果。 这里需要注意容量和流量的区别。其中f(u,v)的范围需要额外注意,是 0<= f(u,v) <= c(u,v),不会出现所谓的负流量。 网络流的三个...

evsqiezi
2017/12/02
0
0
Ford-Fulkerson 方法——最大流问题

最大流&&最小费用最大流&&最大二分匹配 Python 源码:https://github.com/edisonleolhl/DataStructure-Algorithm/blob/master/Graph/MaxFlow 最大流问题 比喻:有一个自来水管道运输系统,起...

廖少少
2017/09/08
0
0
计算机科学中最重要的32个算法

转载:http://www.infoq.com/cn/news/2012/08/32-most-important-algorithms 奥地利符号计算研究所(Research Institute for Symbolic Computation,简称RISC)的Christoph Koutschan博士在自......

Nov_Eleven
2013/06/23
0
0
计算机科学中最重要的32个算法

奥地利符号计算研究所(Research Institute for Symbolic Computation,简称RISC)的Christoph Koutschan博士在自己的页面上发布了一篇文章,提到他做了一个调查,参与者大多数是计算机科学家...

大数据之路
2012/09/05
0
0

没有更多内容

加载失败,请刷新页面

加载更多

node.js学习笔记之koa框架和简单爬虫练习

Koa -- 基于 Node.js 平台的下一代 web 开发框架 koa是由 Express 原班人马打造的,致力于成为一个更小、更富有表现力、更健壮的 Web 框架。 使用 koa 编写 web 应用,可以免除重复繁琐的回调...

前端小攻略
21分钟前
3
0
JavaScript中的继承及实现代码

JS虽然不像是JAVA那种强类型的语言,但也有着与JAVA类型的继承属性,那么JS中的继承是如何实现的呢? 一、构造函数继承 在构造函数中,同样属于两个新创建的函数,也是不相等的 function Fn...

peakedness丶
43分钟前
3
0
记一次面试最常见的10个Redis"刁难"问题

导读:在程序员面试过程中Redis相关的知识是常被问到的话题。作为一名在互联网技术行业打击过成百上千名的资深技术面试官,本文作者总结了面试过程中经常问到的问题。十分值得一读。 Redis在...

小刀爱编程
56分钟前
16
0
TiDB Lab 诞生记 | TiDB Hackathon 优秀项目分享

本文由红凤凰粉凤凰粉红凤凰队的成员主笔,他们的项目 TiDB Lab 在本届 TiDB Hackathon 2018 中获得了二等奖。TiDB Lab 为 TiDB 培训体系增加了一个可以动态观测 TiDB / TiKV / PD 细节的动画...

TiDB
今天
4
0
当区块链遇到零知识证明

本文由云+社区发表 当区块链遇到零知识证明 什么是零知识证明 零知识证明的官方定义是能够在不向验证者任何有用的信息的情况下,使验证者相信某个论断是正确的。这个定义有点抽象,下面笔者举...

腾讯云加社区
今天
5
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部