【算法】网络最大流问题,三次尝试以失败告终

简介: 开始已多次看到“网络最大流问题”的字眼,一直不知道是什么,后来终于有一次打算仔细了解一下,期间我发现了一篇不错的博客:全面理解网络流中的最大流问题。在这篇博客的帮助下,我成功弄清楚了什么是网络流中的最大流问题,同时也明白了解决这个问题的基本思路。

开始

已多次看到“网络最大流问题”的字眼,一直不知道是什么,后来终于有一次打算仔细了解一下,期间我发现了一篇不错的博客:全面理解网络流中的最大流问题。在这篇博客的帮助下,我成功弄清楚了什么是网络流中的最大流问题,同时也明白了解决这个问题的基本思路。

基本思路:“反悔”机制

这里不仔细介绍思路了,大家可以先看看前面那篇博客

在前面提到的博客中,博主认为“借用”这个描述比“反悔”更为合适。然而在阅读的过程中,我反而理解了“反悔”这个概念,同时觉得还挺合适的。下面简单说说自己关于“反悔”的理解。

首先说说为什么会需要“反悔”。举个有点抽象的例子,在某个网络中,A只有一条路可走,B却率先占用了A唯一的路径,然而其实B还有其它空闲的路径可走,以至于网络的运载能力没有被充分利用,不是“最大流”。于是A告诉B:你挡着道了,B听到后就换了一条路走,A便也得以通过。


我们看看下面这个网络(来自前面提到的博客):

e7933a45f0304b35ac717bfc8a97fee3.png

如果选择路径的顺序为:

1、a -> e -> d = 8(有流量8通过这条路径

2、a -> c = 2

那么从路径b过来的流量就被阻塞了。

而如果我们在通过路径e时,建立一条与通过流量相同的反向边 e’ ,表示走这条路径的选择是可以反悔的,最大可反悔流量为8。那么当流量A通过路径b后,发现了可反悔的路径e,就告诉以占用e的流量B:你挡着道了。于是B的两个流量就从 e’ 返回,然后通过c边到达了终点t。而路径d也腾出了2个流量,A就从原先流量B占用的路径通过。于是有:

3、b -> e’ -> c = 2


得到最大流 8 + 2 + 2 = 12

f8951220df304ded9808a9cda5010ae2.png

干活

我对于自己测试代码的能力不太自信,于是从洛谷上找了个题:P3376 【模板】网络最大流

尝试一:深度优先搜索

算法过程采用深度优先搜索,从 源点 开始,到每个点时记录流入该点的流量,然后将这些流量分向其它的点,通过边时就更新边的剩余流量,到达 汇点 时就累加更新最大流。对于有分叉出路的点,通过边的同时建立反向边。

算法过程采用深度优先搜索,从 源点 开始,到每个点时记录流入该点的流量,然后将这些流量分向其它的点,通过边时就更新边的剩余流量,到达 汇点 时就累加更新最大流。对于有分叉出路的点,通过边的同时建立反向边。

于是我遇到了一些问题:

  • 不应当在搜索过程中刚经过一条边(一个点)时就更新它的剩余流量,因为实际通过流量会受后面的影响。(从源点到汇点一条路径的流量,由路径上流量最小的边决定
  • 解决方案:在遍历时记录走过的点,在达到汇点时再更新整条路径所有边(点)的剩余流量

结果在部分测试集上超时了。

尝试二:少走弯路

我起初并没有去查找其它的算法,而想自己在原来算法过程的基础上优化试试。于是我作出了一个假设:很多时间浪费在已经不可能的方向上

于是我尝试引入一种点死亡机制,在搜索过程中,如果从一个点某次没能成功到达汇点,就判定这个点已经寄了,以后再也不走这里了。

5a18b8874509490080b4baffe0fbd3e3.png

但我后面发现了问题:


在搜索过程中判定点的死亡并不合适。因为在搜索时,我并不会再走已经走过的点,而一个被判定为寄了的点,可能经过那些已走过的点是可以达到汇点的。

解决方案(没想出来):如果不在搜索路径的中途判定,而是单独判断从某个点到汇点是否联通的话,这个判断本身又会消耗太多的时间。

尝试三:最短增广路径,广度优先

我还是决定看看别人的算法,于是我找到了这篇博客:网络最大流算法,并计划使用Edmonds-Karp算法,即每次寻找一条从源点到汇点的最短路径,以此更新边的剩余流量、最大流。

使用广度优先搜索策略可用来寻找最短路径,从源点开始,在搜索的同时,构建出一个层次网络,到达汇点时停止搜索。然后从汇点逆向一直走,就可以得到一条从源点到汇点的路径。(如果想得到最短路径,可以给层次网络中的每个点标上层号

       527c06b0be2449138c48385150eaefe6.png                    99%              


图中点2没有指向t是因为有一个点到达t时就可以停止搜索了。此时我们从t往回走,总能得到一条s与t之间的路径,它可能是:

t -> 1 -> s

t -> 1 -> 2 -> s

我们发现,在层次网络中往回走的过程中,每一步要么使所在层数降低,要么层数不变,但层次不会增大。(而如果你给每一点标记了层号,就可以限制每次都是向上一层走)残量网络:原来的网络,每次找到路径后会更新网络中每条边的剩余流量,故称为残量网络。

相比深度优先搜索:即使你不要求最短路径,也总能以不太大的代价找到一条路径,而不会陷入局部的泥沼。

还是没ac

在自己对代码测试一番后,就觉得可以了,然而还是有三个测试点没过。测试数据下载下来发现是200个点,5000条边(数据中有重复的边)的那种,调试感觉无从下手,我至今没有找到问题出在哪

8b3de2e600244c9289d7067b8cb674a6.png

记两个小bug

1. 数组越界

忘记使用数组下标是从1开始的了,因此数组大小应定义为nNum+1

dbe145da60094adda4cefdffbc0c2c56.png

2. 写错变量名

不是第一次,也不是第n次,是第n+1次了。初始化列表中应为t(_t)

176f762f63d24c8fb0692be8986ba4be.png

小结

在这个问题上花了好多时间,还是没得到一个好的结果。有时会有些后悔感,感觉那些时间花得不值得。我总喜欢了解一下算法大体思路后就自己去琢磨具体的细节和实现,而不愿意去阅读别人的源代码,好几次一个题的bug找很久。有时bug是思路上的,有时是写代码太粗心导致的错误。但是这样太花时间了。最近从其它方面得到一些感受,多观察是有益的。

最后一个版本的代码(C++)

定义类与函数

#include<iostream>
#include<cstdio>
#include<climits>
#include<cstdlib>
#include<queue>
using namespace std;
const int Len = 201;
class Net
{
  public:
  int net[Len][Len];
  int *road;
  int iR;
  long long sum;
  int nNum;
  int s;
  int t;
  Net(int _nNum, int _s, int _t);
  void findRoad();
  void upNet();
  void forward();
};
//---------------------------
Net::Net(int _nNum, int _s, int _t)
  :net{}
  ,nNum(_nNum)
  ,s(_s)
  ,t(_t)
{
  iR = 0;
  sum = 0;
  road = new int[nNum]{};
}
//---------------------------
void Net::findRoad()
{
  iR = 0;
  int net2[Len][Len]{};//层次网络 
  bool pass[nNum + 1]{};//走过为true 
  queue<int> q;//辅助层次网络构建 
  q.push(s);
  //pass[s] = 1;
  //构建层次网络 
  while(1){
    int front = q.front();
    if(pass[front] == 1){
      q.pop();
      // 可能越界 
      if(q.empty()){
        return;
      } 
      front = q.front();
    }
    pass[front] = 1;
    q.pop();
    bool flag = 0;
    for(int i = 1; i <= nNum; i++){
      if(net[front][i] > 0 && pass[i] == 0){ 
        net2[front][i] = net[front][i];
        q.push(i);
        if(i == t){
          goto ROAD;
        }
        flag = 1;
      }
    }
    if(flag == 0 && q.empty() == true){
      break;
    }
  }
  //得到从源点到汇点的路径 
  ROAD:
    for(int i = 1, now = t; i <= nNum; i++){
      if(net2[i][now] > 0){
        road[iR++] = now;
        if(i == s){
          road[iR++] = i;
          break;
        }
        now = i;
        i = 0;
      }
    }
}
//---------------------------
void Net::upNet()
{
  //1.找road最小值,更新最大流 
  int min(INT_MAX);
  for(int i = 0; i <= iR - 2; i++){
    if(net[road[i + 1]][road[i]] < min){
      min = net[road[i + 1]][road[i]];
    }
  }
  sum += min;
  //2.更新net残量,建立反向边 
  for(int i = 0; i <= iR - 2; i++){
    net[road[i + 1]][road[i]] -= min;
    net[road[i]][road[i + 1]] += min;
  } 
}
//---------------------------
void Net::forward()
{
  findRoad();
  while(iR > 0){
    upNet();
    findRoad();
  }
}

主函数

int main(){
  int n = 2;
  int m = 1;
  int s = 1;
  int t = 2;
  cin >> n >> m >> s >> t;
  Net netWork(n, s, t);
  for(int i = 1; i <= m; i++){
    int a = 0, b = 0, w = 0;
    cin >> a >> b >> w;
    netWork.net[a][b] = w;
  }
  netWork.forward();
  printf("%lld", netWork.sum);
  return 0;
}

类与函数的调试版本

IDLE的调试工具我用得不多,比较习惯于通过输出中间结果进行debug,这里记录了含输出点的代码。

#include<iostream>
#include<cstdio>
#include<climits>
#include<cstdlib>
#include<queue>
using namespace std;
const int Len = 201;
class Net
{
  public:
  int net[Len][Len];
  int *road;
  int iR;
  long long sum;
  int nNum;
  int s;
  int t;
  Net(int _nNum, int _s, int _t);
  void findRoad();
  void upNet();
  void forward();
};
//---------------------------
Net::Net(int _nNum, int _s, int _t)
  :net{}
  ,nNum(_nNum)
  ,s(_s)
  ,t(_t)
{
  iR = 0;
  sum = 0;
  road = new int[nNum]{};
}
//---------------------------
void Net::findRoad()
{
  iR = 0;
  int net2[Len][Len]{};//层次网络 
  bool pass[nNum + 1]{};//走过为true 
  queue<int> q;//辅助层次网络构建 
  q.push(s);
  //pass[s] = 1;
  //构建层次网络 
  while(1){
    int front = q.front();
    if(pass[front] == 1){
      // test pop 已过点
//      printf("pop  %d\n", front);
      //---------------------------end
      q.pop();
      // 可能越界 
      if(q.empty()){
        return;
      } 
      front = q.front();
    }
    pass[front] = 1;
    //test pop
//    printf("pop  %4d\n", front);
    //--------------------end
    q.pop();
    bool flag = 0;
    for(int i = 1; i <= nNum; i++){
      if(net[front][i] > 0 && pass[i] == 0){ 
        net2[front][i] = net[front][i];
        //pass[i] = 1; //改在出队时进行 
        //test push
//        printf("push %4d\n", i);
        //--------------------end
        q.push(i);
        if(i == t){
          goto ROAD;
        }
        flag = 1;
      }
    }
    if(flag == 0 && q.empty() == true){
      break;
    }
  }
  ROAD:
    for(int i = 1, now = t; i <= nNum; i++){
      //printf("ROAD i:%4d, now:%4d, e:%4d\n", i, now, net[i][now]);
      if(net2[i][now] > 0){
        road[iR++] = now;
        //test ROAD
//        printf("road:");
//        for(int i = iR - 1; i >= 0; i--){
//          printf("%4d", road[i]);
//        }
//        printf("\n");
        //--------------------end
        if(i == s){
          //test t to road
          //printf("to ROAD\n");
          //------------------end
          road[iR++] = i;
          break;
        }
        now = i;
        i = 0;
      }
    }
  //test 层次网络
//  printf("层次网络:\n");
//  for(int i = 1; i <= nNum; i++){
//    for(int j = 1; j <= nNum; j++){
//      printf("%4d", net2[i][j]);
//    }
//    printf("\n");
//  } 
  //--------------------end
  //test ROAD
//  printf("road:");
//  for(int i = iR - 1; i >= 0; i--){
//    printf("%4d", road[i]);
//  }
//  printf("\n");
  //------------------end
}
//---------------------------
void Net::upNet()
{
  //1.找road最小值,更新最大流 
  int min(INT_MAX);
  for(int i = 0; i <= iR - 2; i++){
    if(net[road[i + 1]][road[i]] < min){
      min = net[road[i + 1]][road[i]];
    }
  }
  sum += min;
  //test min and sum
//  printf("min:%d\n", min);
//  printf("sum:%lld\n", sum);
  //---------------------------end
  //2.更新net残量,建立反向边 
  for(int i = 0; i <= iR - 2; i++){
    net[road[i + 1]][road[i]] -= min;
    net[road[i]][road[i + 1]] += min;
  } 
  //test 残量 
//  printf("残量网络:\n");
//  for(int i = 1; i <= nNum; i++){
//    for(int j = 1; j <= nNum; j++){
//      printf("%4d", net[i][j]);
//    }
//    printf("\n");
//  } 
  //---------------------------end
}
//---------------------------
void Net::forward()
{
  findRoad();
  //test iR
//  printf("iR:%4d\n", iR);
  //---------------------------end
  while(iR > 0){
    upNet();
    findRoad();
    //test iR
//    printf("iR:%4d\n", iR);
    //---------------------------end
  }
}
相关文章
|
9月前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
627 0
|
9月前
|
机器学习/深度学习 并行计算 算法
粒子群算法优化RBF神经网络的MATLAB实现
粒子群算法优化RBF神经网络的MATLAB实现
604 123
|
12月前
|
机器学习/深度学习 算法 数据挖掘
基于WOA鲸鱼优化的BiLSTM双向长短期记忆网络序列预测算法matlab仿真,对比BiLSTM和LSTM
本项目基于MATLAB 2022a/2024b实现,采用WOA优化的BiLSTM算法进行序列预测。核心代码包含完整中文注释与操作视频,展示从参数优化到模型训练、预测的全流程。BiLSTM通过前向与后向LSTM结合,有效捕捉序列前后文信息,解决传统RNN梯度消失问题。WOA优化超参数(如学习率、隐藏层神经元数),提升模型性能,避免局部最优解。附有运行效果图预览,最终输出预测值与实际值对比,RMSE评估精度。适合研究时序数据分析与深度学习优化的开发者参考。
|
12月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GA遗传优化的BiLSTM双向长短期记忆网络序列预测算法matlab仿真,对比BiLSTM和LSTM
本内容包含基于BiLSTM与遗传算法(GA)的算法介绍及实现。算法通过MATLAB2022a/2024b运行,核心为优化BiLSTM超参数(如学习率、神经元数量),提升预测性能。LSTM解决传统RNN梯度问题,捕捉长期依赖;BiLSTM双向处理序列,融合前文后文信息,适合全局信息任务。附完整代码(含注释)、操作视频及无水印运行效果预览,适用于股票预测等场景,精度优于单向LSTM。
|
8月前
|
机器学习/深度学习 算法
采用蚁群算法对BP神经网络进行优化
使用蚁群算法来优化BP神经网络的权重和偏置,克服传统BP算法容易陷入局部极小值、收敛速度慢、对初始权重敏感等问题。
533 5
|
9月前
|
存储 算法 安全
即时通讯安全篇(三):一文读懂常用加解密算法与网络通讯安全
作为开发者,也会经常遇到用户对数据安全的需求,当我们碰到了这些需求后如何解决,如何何种方式保证数据安全,哪种方式最有效,这些问题经常困惑着我们。52im社区本次着重整理了常见的通讯安全问题和加解密算法知识与即时通讯/IM开发同行们一起分享和学习。
560 9
|
9月前
|
算法 数据挖掘 区块链
基于遗传算法的多式联运车辆路径网络优优化研究(Matlab代码实现)
基于遗传算法的多式联运车辆路径网络优优化研究(Matlab代码实现)
257 2
|
8月前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
320 0
|
9月前
|
机器学习/深度学习 传感器 算法
【表面粗糙度】基于粒子群PSO算法优化-BP神经网络的表面粗糙度研究(Matlab代码实现)
【表面粗糙度】基于粒子群PSO算法优化-BP神经网络的表面粗糙度研究(Matlab代码实现)
367 7
|
9月前
|
机器学习/深度学习 编解码 并行计算
【创新未发表!】基于BKA算法优化-BP、HO算法优化-BP、CP算法优化-BP、GOOSE算法优化-BP、NRBO算法优化-BP神经网络回归预测比较研究(Matlab代码)
【创新未发表!】基于BKA算法优化-BP、HO算法优化-BP、CP算法优化-BP、GOOSE算法优化-BP、NRBO算法优化-BP神经网络回归预测比较研究(Matlab代码)
515 0