标签：cnt 增广 int text flow 网络 笔记 学习 dis
目录0. 前置芝士
- 令 \(G(f)\) 为流了流 \(f\) 之后的残留网络。
- 定义两个流的加法 \((f+g)(i,j)=f(i,j)+g(i,j)-g(j,i)\)。其中 \(f\) 先流，于是 \(g(j,i)\) 相当于模拟退流的过程。
- 可行流可加性定理：若 \(f\) 为 \(G\) 的可行流，\(g\) 为 \(G(f)\) 的可行流，则 \(f+g\) 是 \(G\) 的可行流，且 \(v(f+g)=v(f)+v(g)\)。
0.1. 最大流最小割定理
对于任意割 \(\mathfrak{G}\)，都可以将点集 \(\mathfrak{V}\) 分成 \(\mathfrak{S,T}\)，它们分别包含源点和汇点。
感性来看，一定有割 \(\mathfrak{G}\) 的净流量 \(=\) 源点输出流量 \(=\) 网络总流量。同时，由于割 \(\mathfrak{G}\) 的净流量一定 \(\le\) 割 \(\mathfrak{G}\) 的容量，我们得出网络总流量 \(\le\) 割 \(\mathfrak{G}\) 的容量。
假设在经过多次增广后，网络上没有增广路了 —— 此时点集 \(\mathfrak{V}\) 自然地分割成 \(\mathfrak{S,T}\)，这两个点集之间的边要么不存在，要么残余流量为零。
那么这些边就是一种割，而且此时割的净流量 \(=\) 割的容量 \(=\) 网络总流量。
下面这张图可以帮助理解网络总流量和割的容量的大小关系。所以此时正好取到最大流和最小割（这指的是容量），故最大流最小割定理得证。另外，这还能证明当没有增广路径时取得最大流。
1. 最大流
1.1. \(\mathtt{EK}\) 算法
1.1.1. 算法流程
首先需要得知 "当无法进行增广时取得最大流"，这个已经在上文 0.1. 最大流最小割定理 中得知。
对于每次增广，跑一遍 \(\rm bfs\) 找能够增广的 边数最短 的路径，然后更新边的残余流量。
1.1.2. 理解
\(lef_i\) 表示这一次增广从源点到点 \(i\) 的流量限制。
对反向边的理解：假设有两条增广路分别经过了正向边 \((u,v)\) 与反向边，实际上就是把流出去的流量的一部分或全部推回点 \(u\)，按另一条路径行进。
初始化时 \(flow\) 表示边的残余流量，正向边为 \(w\)，反向边为零。
1.1.3. 时间复杂度
不明白，是 \(\mathcal O(nm^2)\)。处理数据规模为 \(10^3-10^4\)。
1.1.4. 代码
void addEdge(int u,int v,int w) {
nxt[++cnt]=head[u],to[cnt]=v,flow[cnt]=w,head[u]=cnt;
}
bool bfs() {
while(!q.empty()) q.pop();
rep(i,1,n) vis[i]=0;
q.push(S),vis[S]=1,lef[S]=inf;
while(!q.empty()) {
int u=q.front(); q.pop();
erep(i,u)
if(!vis[v] && flow[i]) {
lef[v]=Min(lef[u],0ll+flow[i]);
q.push(v),pre[v]=i,vis[v]=1;
if(v==T) return 1;
}
}
return 0;
}
void EK() {
while(bfs()) {
int x=T; MaxFlow+=lef[x];
while(x^S) {
flow[pre[x]]-=lef[T],flow[pre[x]^1]+=lef[T];
x=to[pre[x]^1];
}
}
}
int main() {
rep(i,1,m)
u=read(9),v=read(9),w=read(9),
addEdge(u,v,w),addEdge(v,u,0);
EK();
print(MaxFlow,'\n');
return 0;
}
1.2. \(\mathtt{Dinic}\) 算法
1.2.1. 算法流程
其实就是对于 \(\mathtt{EK}\) 算法的一些改进：
- 多路增广：当点 \(u\) 通过 \(\langle u,v\rangle\) 增广之后，还剩下一些流没有用，可以尝试再增广其它的边。
- 有的时候会发生 "绕路" 的情况，我们考虑先用一次 \(\rm bfs\) 将图分层，增广的时候严格按照分层进行。
1.2.2. 一些优化
- 当一个点 \(u\) 到汇点不存在可行流时，将 \(u\) 的层数置为 \(+\infty\)，这样就避免不必要的增广。
- 当前弧优化：完全遍历过的边必然增广完成，可以跳过。注意最后一次增广使用的边不能跳过，每次分层之后重置当前弧。
1.2.3. 代码
\(\text{Dinic}\) 有些时间复杂度证明要求 \(\text{bfs}\) 增广完成，但是提前 return 亲测更快也不知道为什么。这就是玄学复杂度吧。
bool bfs() {
for(int i=1;i<=T;++i)
dep[i]=inf;
while(!q.empty()) q.pop();
q.push(S),arc[S]=head[S],dep[S]=0;
while(!q.empty()) {
int u=q.front(),v; q.pop();
for(int i=head[u];~i;i=e[i].nxt)
if(e[i].w and dep[v=e[i].to]==inf) {
dep[v] = dep[u]+1;
arc[v] = head[v], q.push(v);
if(v==T) return true;
}
}
return false;
}
int dfs(int u,int canFlow) {
if(u==T) return canFlow;
int sumFlow=0,d,v;
for(int i=arc[u];~i;i=e[i].nxt) {
arc[u]=i;
if(e[i].w and dep[v=e[i].to]==dep[u]+1) {
d = dfs(v,min(canFlow,e[i].w));
if(!d) dep[v]=inf;
e[i].w -= d, e[i^1].w += d;
canFlow -= d, sumFlow += d;
if(!canFlow) break;
}
}
return sumFlow;
}
int Dinic() {
int ret=0;
while(bfs()) ret += dfs(S,inf);
return ret;
}
1.2.4. 时间复杂度
戳这，可能还有这个。另外，对于二分图，时间复杂度为 \(\mathcal O(n\sqrt m)\)。普通是 \(\mathcal{O}(n^2m)\) 的，好像加上当前弧优化才是对的。
对于简单容量网络（每一个不是源/汇的点，要么入度为 \(1\)，要么出度为 \(1\)）：\(\mathcal O(nm\sqrt n)\)。
边容量为 \(1\) 的图：\(\mathcal O(\min\{n^{\frac{2}{3}},m^\frac{1}{2}\}\cdot nm)\)。
2. 最小费用最大流
2.1. \(\mathtt{FF}\) 算法 \(+\) \(\text{Dijkstra}\)
2.1.1. 代码
每次增广用 \(\text{Dijkstra}\) 找最短路，然后改变权值。由于不能有负权边，所以定义势函数 \(h(i)\) 等于上次增广的 \(dis_i\)，令这次的边权为 \(h(u)-h(v)+cost(u,v)\)，根据最短路的转移易知边权恒大于等于零。
虽然下面代码没写，但是第一次要跑一次 \(\text{spfa}\)！
void addEdge(int u,int v,int w,int c) {
nxt[++cnt]=head[u],to[cnt]=v,flow[cnt]=w,Cost[cnt]=c,head[u]=cnt;
nxt[++cnt]=head[v],to[cnt]=u,flow[cnt]=0,Cost[cnt]=-c,head[v]=cnt;
}
bool Dijkstra() {
rep(i,1,n) dis[i]=inf;
q.push(make_pair(0,S)); dis[S]=0;
while(!q.empty()) {
Pair t=q.top(); q.pop();
if(dis[t.second]<t.first) continue;
int u=t.second;
erep(i,u)
if(flow[i]>0 && dis[v]>dis[u]+h[u]-h[v]+Cost[i]) {
dis[v]=dis[u]+h[u]-h[v]+Cost[i];
pred[v]=u,pree[v]=i;
q.push(make_pair(dis[v],v));
}
}
return dis[T]^inf;
}
void EK() {
int d,MaxFlow=0,MinCost=0;
while(Dijkstra()) {
rep(i,1,n) h[i]+=dis[i];
// 此时比真实多 h[S]-h[i]，所以将 h[i]+dis[i] 得到真实 dis
d=inf;
for(int i=T;i^S;i=pred[i])
d=Min(d,flow[pree[i]]);
for(int i=T;i^S;i=pred[i])
flow[pree[i]]-=d,flow[pree[i]^1]+=d;
MaxFlow+=d,MinCost+=d*h[T];
}
print(MaxFlow,' '),print(MinCost,'\n');
}
2.2. \(\mathtt{Dinic}\) 算法 \(+\) \(\text{Dijkstra}\)
2.2.1. 代码
\(\bf{Warning}\)：如果 \(c_i\ge 0\) 就可能有零环的情况，此时 dfs() 可能进入死循环。所以需要一个 vis[] 来标记是否访问某点。
bool Dijkstra() {
rep(i,1,n) dis[i]=inf,vis[i]=0;
q.push(make_pair(0,S)); dis[S]=0,arc[S]=head[S];
while(!q.empty()) {
Pair t=q.top(); q.pop();
if(vis[t.second] or dis[t.second]<t.first) continue;
int u=t.second; vis[u]=1;
erep(i,u)
if(flow[i]>0 && dis[v]>dis[u]+h[u]-h[v]+Cost[i]) {
dis[v]=dis[u]+h[u]-h[v]+Cost[i];
arc[v]=head[v],q.push(make_pair(dis[v],v));
}
}
bool ok=(dis[T]^inf);
if(ok) {
rep(i,1,n)
vis[i]=0,
dis[i]=h[i]=h[i]+dis[i];
return 1;
}
return 0;
}
int dfs(int u,int CanFlow) {
vis[u]=1;
if(u==T) return MaxFlow+=CanFlow,CanFlow;
int SumFlow=0,d;
for(int i=arc[u];i;i=nxt[i]) {
int v=to[i]; arc[u]=i;
if(!vis[v] && flow[i]>0 && dis[v]==dis[u]+Cost[i]) {
d=dfs(v,Min(CanFlow,flow[i]));
if(!d) dis[v]=inf;
MinCost+=Cost[i]*d;
flow[i]-=d,flow[i^1]+=d;
SumFlow+=d,CanFlow-=d;
if(!CanFlow) break;
}
}
return SumFlow;
}
void Dinic() {
while(Dijkstra()) dfs(S,inf);
print(MaxFlow,' '),print(MinCost,'\n');
}
3. 如何建图
例 1. \(\text{UVA12125 March of the Penguins}\)
首先可以想到在 \([1,n]\) 枚举汇点，检验最大流是否为企鹅总数。
每个点初始的企鹅数可以由 \(S\rightarrow i\) 的边表示，那跳出的企鹅呢？因为跳到哪个冰块是未知的，所以不妨将 \(i\) 拆成两个点 —— 在入点与出点之间连边权为跳出企鹅数的边。
例 2. \(\text{UVA11082 Matrix Decompressing}\)
这个建图真的好妙啊！假设每一行、列的数字和分别为 \(r_i,c_i\)，将行、列抽象成点，构造边 \(\langle S,i,r_i-m \rangle\)、\(\langle i,T,c_i-n \rangle\)。最后将任意行与列之间连接容量为 \(19\) 的边。
之所以将权值减一是因为网络流跑出的容量包含零，将区间变成 \([0,19]\)，再加一就可以复原。最后如果最大流满流就是有解的。
例 3. 圈地计划
不在同一部分是不好判断的，我们将网格图黑白染色，将黑格的商业区看作白格的工业区，这样就转化成了同一部分的问题！
对于两个相邻的点，连权值为 \(c_{i,j}+c_{i+1,j}\) 的 双向边，\(\text{sum}\) 只增加 \(c_{i,j}+c_{i+1,j}\)。这是因为这条双向边不可能同时删除所有方向。代码：\(\rm Link.\)
另外还有一种复杂度较高的做法：黑白染色之后，对每两个相邻的点建两个虚点 \(g_1,g_2\)，表示同时在左部/右部，分别连 \(\langle S,g_1 \rangle\)、\(\langle g_2,T\rangle\)，再以 \(\text{infty}\) 的权值连接虚点和相邻点。因为枚举了在哪一部，所以复杂度提高。
例 4. 「雅礼集训 2017 Day8」价
先说一下建图：
- 从源点向药 \(i\) 连接权值为 \(\text{infty}-w_i\) 的边。
- 从药向对应的药材连权值为 \(\text{infty}\) 的边。
- 从药材向汇点连权值为 \(\text{infty}\) 的边。
跑一遍最小割，答案就是最小割减去源点连出边的权值。
要想理解这个模型，首先得明确几个性质：
- 最小割不可能割去药与药材之间的边。因为一种药至少对应一种药材，所以割这条边一定不如割掉药材与汇点连边优。
- 割掉源点与药的连边相当于不选此药；割掉汇点与药材的连边相当于选择此药材。第一个比较好理解，对于第二个，考虑求最小割的过程：若药边未割（即选择药），那么药材必须割；若割，则药材可以不割。
- 一定只会割 \(n\) 条边。所有边都带 \(\text{infty}\)，多选一条边一定不优。
- 药和药材数相等。考虑上一条，即 —— 不选的药与选择的药材之和为 \(n\)，而不选的药与选择的药之和也为 \(n\)！所以结论得证。
最后考虑一下为什么定义 "割掉源点与药的连边相当于不选此药" 这样鬼畜的状态。如果我们将源点与药的连边权值改成 \(\text{infty}+w_i\)，即 "割掉源点与药的连边相当于选择此药"，此时药材边可以不割，但实际上我们需要必须不割！
总结：网络流建图时可以设计状态描述 "必须" 与 "可以"。
例 5. \(\text{UVA10735 Euler Circuit}\)
由于有向图存在欧拉回路当且仅当图连通且所有点的入度等于出度。考虑先将无向边定向，然后分配度数。
令 \(d'_i=\) 出度 \(-\) 入度，那么若 \(d'_i\) 为奇数则无解，否则令 \(d_i=d'_i/2\)。对于无向边 \(\langle u,v \rangle\)，若给它定向 \(u\rightarrow v\)，就在网络中连一条 \(u\rightarrow v\)，容量为 \(1\) 的边，表示 \(u\) 可以贡献一个 "度" 给 \(v\)。
对于 \(d_i>0\) 的点，从源点连容量为 \(d_i\) 的边；反之，向汇点连 \(-d_i\) 的边。这样最后检验从源点流出的边是否满流即可（检验汇点也可）。
跑一遍网络流后，当一条边的残余容量为零时，就说明反向。输出的时候记得将边反向遍历，就像这样：
void Print(int u) {
while(!E[u].empty()) {
int v=E[u].back(); E[u].pop_back();
Print(v); printf(" %d",u);
}
}
例 6. \(\text{[JSOI 2009]}\) 游戏
首先一个比较经典的转化是按坐标之和的奇偶性将格点分成两部，这样 \(\text{Alice}\) 和 \(\text{Bob}\) 就只能分别走某一部。
可以证明，当 \(\text{Alice}\) 从一个 不一定 属于最大匹配的点出发，\(\text{Alice}\) 有必胜策略 —— 先假设这个点不属于某个最大匹配 \(G\)，此时 \(\text{Bob}\) 一定 只能 走到一个属于 \(G\) 的点，现在 \(\text{Alice}\) 可以选择走到与当前点匹配的点，下一步，\(\text{Bob}\) 可以走哪些点呢？
看似可以走不属于 \(G\) 的点，但事实上，如果存在这种点，我们就成功找到了一条增广路！这并不符合 \(G\) 是最大匹配的条件。于是 \(\text{Bob}\) 只能走属于 \(G\) 的点，\(\text{Alice}\) 沿用之前的策略，就可以达到必胜的效果。
于是问题转化为，如何求得不一定属于最大匹配的点。最 \(\text{naive}\) 的思路是删去一个点再求最大匹配，不过难道就没有更高效的做法吗？
事实上，先用 \(\text{Dinic}\) 求出一个最大匹配，从一个非匹配点出发，如果到达与自己 同部 的点，那么这些点都是非匹配点。这实际上是 "非匹配 - 匹配 - 非匹配 ..." 的过程，将匹配反向就可以使同部的点状态取反。
具体实现：
- 从源点出发沿 未满流 的边走，回到 \(S\) 部。
- 从汇点出发沿 满流 的边走，回到 \(T\) 部。
注意特判走到源/汇的情况。
标签：cnt,增广,int,text,flow,网络,笔记,学习,dis 来源： https://www.cnblogs.com/AWhiteWall/p/14376813.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。