系列索引:

网络流

概念 1

容量网络(capacity network)是一个有向图,图的边 \((u, v)\) 有非负的权 \(c(u, v)\),被称为容量(capacity)。

图中有一个被称为(source)的节点和一个被称为(sink)的节点。图中每条边称为(arc)。

实际通过每条边的流量记为 \(f(u, v)\)。

残量网络(residual network)是一个结构和容量网络相同的有向图,只不过边的权值为 \(c(u, v) - f(u, v)\)。

所有边上的流量集合被称为网络流(flow network)。

可行流的性质:

  • 容量限制(Capacity constraints):对任意 \(u,v∈V\),\(0\le f(u,v)\le c(u,v).\)

  • 流量守恒(Flow conservation):对于任意非源汇节点 \(u∈V\),满足 \(\sum_{(u,v)\in E} f(u,v)=\sum_{(v,u)\in E} f(v,u).\)

  • 斜对称性(Skew symmetry):对任意 \(u,v∈V\),\(f(u,v)=-f(v,u).\)

最大流

增广路定理:网络达到最大流,当且仅当残留网络中没有增广路。

什么是增广路?

度娘百科:若 P 是图 G 中一条联通两个未匹配顶点的路径,且属于 M 的边和不属于 M 的边在 P 上交替出现,则称 P 为相对于 M 的一条增广路径(augmenting path)。(二分图的概念)

Ford–Fulkerson 方法

本质:贪心!

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严格 < 容量。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 Δ。我们把这条路上每一段的流量都加上这个 Δ,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,它的流量是之前的流量 +Δ,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 Δ 量,直到找到源点或者找不到增广路。

nano9th

Edmonds-Karp 算法

每次增广先在残量网络上找到一条增广路,然后将这条路上每条边的边权减去增广路上边权最小边的边权。再在该边的反向边上加上这个权值(用于撤消增广操作)。

时间复杂度 \(O(VE^2)\)。

建图:为了方便求取反向边,把一对互为反向边的边建在一起。

int pre[N], id[N]; // pre 标记上一个点,id 标记上一条边
bool v[N]; inline bool bfs() { // 寻找增广路
memset(v, 0, sizeof v);
queue<int> q;
v[s]=true; q.push(s);
while (!q.empty()) {
int x=q.front(); q.pop();
for (int i=head[x]; i; i=nex[i]) if (!v[to[i]] && w[i]) {
pre[to[i]]=x, id[to[i]]=i, v[to[i]]=true;
if (to[i]==t) return true;
q.push(to[i]);
}
}
return false;
} inline int ek() {
int res=0;
while (bfs()) {
int path=inf; // flow 为新的增广路
for (int i=t; i!=s; i=pre[i]) path=min(path, w[id[i]]);
for (int i=t; i!=s; i=pre[i]) w[id[i]]-=path, w[id[i]^1]+=path; // 正向边减、反向边加
res+=path;
}
return res;
} head[0]=1; // 直接从 2 开始计数,保证正反向边快速访问
add(a,b,c), add(b,a,0); // 添加反向边

Dinic 算法

每次都走最短的增广路,并且每次增广允许多条增广路一起增广。

采用分层图(level graph)。对于每一个点,我们根据从源点开始的 BFS 序列,为每一个点分配一个深度,然后我们进行若干遍 DFS 寻找增广路,每一次由 \(u\) 推出 \(v\) 必须保证 \(v\) 的深度必须是 \(u\) 的深度 \(+ 1\)。

时间复杂度最坏 \(O(V^2E)\)。

显然,每次寻找增广路都要重复访问先前已查找过的边,可以优化。

当前弧优化:存储下以 \(u\) 开头的节点的当前弧 \(\text{cur}[u]\),之后遇到 \(u\) 直接从 \(\text{cur}[u]\) 这条弧之后开始寻找,而不必再从 \(\text{head}[u]\) 开始。

int dep[N], cur[N];

inline bool bfs() { // 分层图
memset(dep, 0, sizeof dep);
queue<int> q;
dep[s]=1; q.push(s);
while (!q.empty()) {
int x=q.front(); q.pop();
for (int i=head[x]; i; i=nex[i])
if (w[i]>0 && !dep[to[i]]) // 若该残量不为 0,且 to[i] 还未分配深度,则给其分配深度并放入队列
dep[to[i]]=dep[x]+1, q.push(to[i]);
}
// 当汇点的深度不存在时,说明不存在分层图,同时也说明不存在增广路
if (!dep[t]) return false; else return true;
} int dfs(int x, int dis) { // 寻找增广路
if (x==t) return dis;
for (int& i=cur[x]; i; i=nex[i]) // cur[x] 记录当前弧
if (dep[to[i]]==dep[x]+1 && w[i]) { // 分层图、残量不为 0
int d=dfs(to[i], min(dis, w[i]));
if (d>0) {w[i]-=d, w[i^1]+=d; return d; }
}
return 0; // 没有增广路
} inline int dinic() {
int res=0, d;
while (bfs(s, t)) {
for (int i=1; i<=n; i++) cur[i]=head[i]; // 重置当前弧
while (d=dfs(s, inf)) res+=d;
}
return res;
} head[0]=1; // 直接从 2 开始计数,保证正反向边快速访问
add(a,b,c), add(b,a,0); // 添加反向边

ISAP 算法:

基于分层思想,在每次增广完成后自动更新每个点所在的层。

时间复杂度 \(O(V^2E)\)。

实现略。 (其实是还不会)

最小割

一个网络的(cut) 是这样一个边集,如果把这个集合的边删去,这个网络就不再连通。

这个边集中边的容量和被称为割的容量。容量最小的割被称为最小割(minimum cut)。

最大流最小割定理:对于一个容量网络,其最大流等于最小割的容量。

最小割在数值上等于最大流。

应用

点最大容量限制

拆点,将一个点 \(u\) 拆成入点 \(u_{in}\) 和出点 \(u_{out}\) 两个,将所有指向 \(u\) 的边连接到 \(u_{in}\),容量不变,从 \(u\) 连出的边改为从 \(u_{out}\) 连出,容量不变;最后再从 \(u_{in}\) 向 \(u_{out}\) 连接一条容量为 \(u\) 容量限制的边。

求多个(不重复)最长不下降子序列

DP 求最长不下降子序列长度 \(s\)。

拆点。每个点向比它大 \(1\) 的点连一条容量为 \(1\) 的边。\(S\) 向 \(dp[1]\) 连一条容量为 \(1\) 的边,\(dp[s]\) 向 \(T\) 连一条容量为 \(1\) 的边。求最大流。

二分图匹配

将原二分图的边的容量设为 \(1\),\(S\) 向左部的节点连一条容量为 \(1\) 的边,右部的节点向 \(T\) 连一条容量为 \(1\) 的边。

如果二分图的一条边在匹配中,那么两个点对应的 \(S\) 和 \(T\) 的边一定满流,不可能再被匹配。

费用流

最小费用最大流

每次在找增广路的时候都找费用最小的增广路;利用 SPFA 算法来寻找,边权就是费用。

int head[N], nex[M], to[M], w[M], c[M];
int d[N], f[N], pre[N], id[N]; // pre 标记上一个点,id 标记上一条边
bool inq[N]; inline void add(int x, int y, int z, int zz) {
nex[++head[0]]=head[x], head[x]=head[0], to[head[0]]=y;
w[head[0]]=z, c[head[0]]=zz;
} inline bool spfa() { // 寻找增广路
memset(d, 0x3f, sizeof d);
memset(f, 0x3f, sizeof f);
memset(inq, false, sizeof inq);
queue<int> q;
q.push(s), d[s]=0, inq[s]=true;
while (!q.empty()) {
int x=q.front(); q.pop(); inq[x]=false;
for (int i=head[x]; i; i=nex[i])
if (w[i] && d[to[i]]>d[x]+c[i]) {
d[to[i]]=d[x]+c[i];
f[to[i]]=min(w[i], f[x]);
pre[to[i]]=x, id[to[i]]=i;
if (!inq[to[i]]) q.push(to[i]), inq[to[i]]=true;
}
}
return f[t]!=f[s];
} inline void mcmf() {
int flow=0, cost=0;
while (spfa()) {
for (int i=t; i!=s; i=pre[i]) w[id[i]]-=f[t], w[id[i]^1]+=f[t];
flow += f[t], cost += f[t] * d[t];
}
printf("%d %d\n", flow, cost);
} head[0]=1;
add(a, b, aa, bb), add(b, a, 0, -bb);

众所周知:

NOI2018 D1T1 出题人:“SPFA 它死了!”

考虑使用 Dijkstra 替换 SPFA。

如何实现负权边?暴力加上一个值!(爆 long long

给每个点定义一个 \(h\),将转移从 \(d(u)=d(v)+w\) 改成 \(d(u)=d(v)+w+h(v)−h(u)\),并保证 \(w+h(v)−h(u)≥0\)。参见 Link

概念 2

点覆盖集(vertex cover)是无向图的一个点集,使得该图中的所有边至少有一个端点在该集合内。

点数最少的点覆盖集被称为最小点覆盖集

点独立集(independent set)是无向图的一个点集,使得该集合中任意两个点之间不连通。

点数最多的点被称为最大点独立集

引理:

最小点覆盖集 \(=\) 最大匹配 \(= V -\) 最大点独立集 \(= V -\) 最小边覆盖。

最大点权独立集 \(= \sum \textrm{val}(x) -\) 最小点权覆盖集。

最小点权覆盖集 \(=\) 最小割。

最大点权闭合子图 \(= \sum \{\textrm{val}(x)| \textrm{val}(x)>0\} -\) 最小割

二分图

概念

什么是二分图(bipartite graph)?

性质:不存在节点个数为奇数的环。

二分图染色

二分图染色(判断是否二分图):

int col[N]; bool v[N];

bool dfs(int x) {
v[x] = true;
for (int i=head[x]; i; i=nex[i]) {
if (!v[to[i]]) {
col[to[i]] = col[x] ^ 1;
if (!dfs(to[i])) return false;
} else if (col[x]==col[to[i]]) return false;
}
return true;
} int flag = true;
for (int i=1; i<=n; i++) if (!v[i] && !dfs(i)) {
flag = false; break;
}
if (flag) printf("Yes\n"); else printf("No\n");

二分图匹配

二分图的匹配(matching)是一些边,要求满足每个节点最多只被这些边里面的一条边覆盖。

所有匹配中,边数最多的匹配被称为二分图的最大匹配

匈牙利算法

从二分图中找出一条增广路(augmenting path),让路径的起点和终点都是还没有匹配过的点,并且路径经过的连线是一条没被匹配、一条已经匹配过,再下一条又没匹配这样交替地出现。

找到这样的路径后,显然路径里没被匹配的连线比已经匹配了的连线多一条,于是修改匹配图,把路径里所有匹配过的连线去掉匹配关系,把没有匹配的连线变成匹配的,这样匹配数就比原来多 \(1\) 个。

不断执行上述操作,直到找不到这样的路径为止。

时间复杂度 \(O(VE)\)。

int mat[N], v[N], cnt;  // N 为左子图的大小,v 为时间戳

bool hungary(int x, int vt) {
for (register int i=head[x]; i; i=nex[i]) if (v[to[i]]<vt) {
v[to[i]]=vt;
if (!mat[to[i]] || hungary(mat[to[i]], vt)) {
mat[to[i]]=x; return true;
}
}
return false;
} for (int i=1; i<=n; ++i) if (hungary(i, i)) ++cnt;

网络流解二分图匹配:参见上面 [[网络流]] 部分。

NOIp 图论算法专题总结 (3):网络流 & 二分图 简明讲义的更多相关文章

  1. NOIp 图论算法专题总结 (1):最短路、最小生成树、最近公共祖先

    系列索引: NOIp 图论算法专题总结 (1) NOIp 图论算法专题总结 (2) NOIp 图论算法专题总结 (3) 最短路 Floyd 基本思路:枚举所有点与点的中点,如果从中点走最短,更新两点间 ...

  2. NOIp 图论算法专题总结 (2)

    系列索引: NOIp 图论算法专题总结 (1) NOIp 图论算法专题总结 (2) NOIp 图论算法专题总结 (3) 树链剖分 https://oi-wiki.org/graph/heavy-lig ...

  3. 算法专题 | 10行代码实现的最短路算法——Bellman-ford与SPFA

    今天是算法数据结构专题的第33篇文章,我们一起来聊聊最短路问题. 最短路问题也属于图论算法之一,解决的是在一张有向图当中点与点之间的最短距离问题.最短路算法有很多,比较常用的有bellman-ford ...

  4. 图论算法-最小费用最大流模板【EK;Dinic】

    图论算法-最小费用最大流模板[EK;Dinic] EK模板 const int inf=1000000000; int n,m,s,t; struct node{int v,w,c;}; vector ...

  5. 图论算法-网络最大流【EK;Dinic】

    图论算法-网络最大流模板[EK;Dinic] EK模板 每次找出增广后残量网络中的最小残量增加流量 const int inf=1e9; int n,m,s,t; struct node{int v, ...

  6. 图论算法-Tarjan模板 【缩点;割顶;双连通分量】

    图论算法-Tarjan模板 [缩点:割顶:双连通分量] 为小伙伴们总结的Tarjan三大算法 Tarjan缩点(求强连通分量) int n; int low[100010],dfn[100010]; ...

  7. NOIP基本算法

    NOIP基本算法 1.二分 poj 2018 Best Cow Fences ▪ http://poj.org/problem?id=2018 ▪ 题意:给定一个正整数数列

  8. [算法专题] LinkedList

    前段时间在看一本01年出的旧书<effective Tcp/Ip programming>,这个算法专题中断了几天,现在继续写下去. Introduction 对于单向链表(singly ...

  9. 【枚举Day1】20170529-2枚举算法专题练习 题目

    20170529-2枚举算法专题练习 题解: http://www.cnblogs.com/ljc20020730/p/6918360.html 青岛二中日期 序号 题目名称 输入文件名 输出文件名 ...

随机推荐

  1. STM32 HAL库关于串口中断烧录程序后可以正常运行,断电重启后无法进入中断的问题分析以及解决方法

    1.情景描述: 最近在做一个项目,X86的上位机通过串口控制MCU,使用串口中断接收上位机数据时,MCU在上电的情况下烧录程序,可以正常接收上位机的数据,在断电重启后,一直进入不了中断回调函数,上电的 ...

  2. Picture【HDU - 1828】【扫描线】

    题目链接 这道题求的是这些可能存在重叠的小方块可能构成的合成方块的周长的值是多少,有简单却会很复杂的做法就是去跑纵向和横向两次的扫描线,求得最后的两个周长和,但是这样的做法未免显得复杂了,我们完全可以 ...

  3. mysql内存数据淘汰机制和大查询会不会把内存打爆?

    首先我们说一下大查询会不会把内存打爆? 比如说主机内存有5g,但是我们一个大查询的数据有10g,这样会不会把内存打爆呢? 答案:不会 为什么? 因为mysql读取数据是采取边读边发的策略 select ...

  4. Oracle基本操作练习(一)

    --创建表空间 create tablespace test datafile 'c:\test.dbf' size 100m autoextend on next 10m; --删除表空间 drop ...

  5. Apache Commons 工具类介绍及简单使用(转载)

    原文链接 http://www.cnblogs.com/younggun/p/3247261.html Apache Commons包含了很多开源的工具,用于解决平时编程经常会遇到的问题,减少重复劳动 ...

  6. (转载)Spring与SpringMVC父子容器的关系与初始化

    转自 https://blog.csdn.net/dhaiuda/article/details/80026354 Spring和SpringMVC的容器具有父子关系,Spring容器为父容器,Spr ...

  7. [Linux] 010 权限管理命令 chmod

    1. 权限管理命令:chmod 命令名称:chmod 命令英文原意:change the permissions mode of a file 命令所在路径:/bin/chmod 执行权限:所有用户 ...

  8. maven 配置阿里云中央仓库

    一.修改maven根目录下的conf文件夹中的setting.xml文件 <mirror> <id>alimaven</id> <name>aliyun ...

  9. Fiddler查看IP和响应时间

    原文:Fiddler查看IP和响应时间 版权声明:本文为博主原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/si ...

  10. DOM IE 兼容性 I

    IE8事件模型和DOM事件模型有何不同?如何处理DOM事件模型与IE8事件模型的兼容性? 1 事件模型不一样 DOM的浏览器兼容性问题:事件模型   3个阶段            01 外向内:捕获 ...