网络流EK算法讲解教材.docxVIP

网络流的Edmonds-Karp算法讲解（简称EK算法，时间复杂度为O(m^2n)）首先来看一下基本的网络流最大流模型。????有n个点，有m条有向边，有一个点很特殊，只出不进，叫做源点，通常规定为1号点。另一个点也很特殊，只进不出，叫做汇点，通常规定为n号点。每条有向边上有两个量，容量和流量，从i到j的容量通常用c[I,j]表示,流量则通常是f[I,j]。通常可以把这些边想象成道路，流量就是这条道路的车流量，容量就是道路可承受的最大的车流量。很显然的，流量=容量。而对于每个不是源点和汇点的点来说，可以类比的想象成没有存储功能的货物的中转站，所有”进入”他们的流量和等于所有从他本身”出去”的流量。????把源点比作工厂的话，问题就是求从工厂最大可以发出多少货物，是不至于超过道路的容量限制，也就是，最大流。????比如这个图。每条边旁边的数字表示它的容量。?????下面我们来考虑如何求最大流。????首先，假如所有边上的流量都没有超过容量(不大于容量)，那么就把这一组流量，或者说，这个流，称为一个可行流。一个最简单的例子就是，零流，即所有的流量都是0的流。我们就从这个零流开始考虑，假如有这么一条路，这条路从源点开始一直一段一段的连到了汇点，并且，这条路上的每一段都满足流量容量，注意，是严格的,而不是=。那么，我们一定能找到这条路上的每一段的(容量-流量)的值当中的最小值delta。我们把这条路上每一段的流量都加上这个delta，一定可以保证这个流依然是可行流，这是显然的。????这样我们就得到了一个更大的流，他的流量是之前的流量+delta，而这条路就叫做增广路。????我们不断地从起点开始寻找增广路，每次都对其进行增广，直到源点和汇点不连通，也就是找不到增广路为止。当找不到增广路的时候，当前的流量就是最大流，这个结论非常重要。寻找增广路的时候我们可以简单的从源点开始做bfs，并不断修改这条路上的delta量，直到找到源点或者找不到增广路。这里要先补充一点，在程序实现的时候，我们通常只是用一个c数组来记录容量，而不记录流量，当流量+1的时候，我们可以通过容量-1来实现，以方便程序的实现。?Bfs过程的半伪代码：下面另给一个C++版的模板int BFS(){????inti,j,k,v,u;????memset(pre,-1,sizeof(pre));????for(i=1;i=n;++i)flow[i]=max_int;????queueintque;????pre[start]=0;????que.push(start);????while(!que.empty())????{????????v=que.front();????????que.pop();????????for(i=1;i=n;++i)????????{????????????u=i;????????????if(u==start||pre[u]!=-1||map[v][u]==0)continue;????????????pre[u]=v;????????????flow[u]=MIN(flow[v],map[v][u]);????????????que.push(u);????????}????}????if(flow[end]==max_int)return -1;????return flow[end];}但事实上并没有这么简单，上面所说的增广路还不完整，比如说下面这个网络流模型。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