[洛谷 P3376] 网络最大流 | 模板 Edmonds Karp(EK算法) 入门

简介: 题目描述如题,给出一个网络图,以及其源点和汇点,求出其网络最大流。输入格式第一行包含四个正整数 n nn,m mm,s ss,t tt,分别表示点的个数、有向边的个数、源点序号、汇点序号。接下来M行每行包含三个正整数 ui ,vi,wi ,表示第 i 条有向边从 ui 出发,到达 vi,边权为 wi即该边最大流量为 wi)。输出格式一行,包含一个正整数,即为该网络的最大流。

题目链接


题目描述


如题,给出一个网络图,以及其源点和汇点,求出其网络最大流。


输入格式


第一行包含四个正整数 n nn,m mm,s ss,t tt,分别表示点的个数、有向边的个数、源点序号、汇点序号。


接下来M行每行包含三个正整数 ui ,vi,wi ,表示第 i 条有向边从 ui 出发,到达 vi,边权为 wi即该边最大流量为 wi)。


输出格式


一行,包含一个正整数,即为该网络的最大流。

输入输出样例

4 5 4 3
4 2 30
4 3 20
2 3 20
2 1 30
1 3 40
50


样例输入输出 1 解释


80e888d89c2a411c9826d78ae5af2112.png


b2af0b70a4f244cba727e057f5c6d871.png


以下代码来源于《算法竞赛入门指南》


在最大流问题中,容量c cc和流量f ff满足三个性质:容量限制,即f ( u , v ) f(u,v)f(u,v) ≤ \leq≤ c ( u , v ) c(u,v)c(u,v)、斜对称性即 f ( u , v ) f(u,v)f(u,v) = − -− f ( v , u ) f(v,u)f(v,u)和流量平衡(对于除了节点s ss 和 节点t tt 外的任意节点u uu,

∑ ( u , v ) ∈ E f ( u , v ) = 0 \sum_{(u,v)\in E}^{} f(u,v) = 0

(u,v)∈E

f(u,v)=0

)。


问题的目标是最大化 ∣ f ∣ |f|∣f∣ =

∑ ( s , v ) ∈ E f ( s , v ) = ∑ ( u , t ) ∈ E f ( u , t ) \sum_{(s,v)\in E}^{} f(s,v) = \sum_{(u,t)\in E}^{} f(u,t)

(s,v)∈E

f(s,v)=

(u,t)∈E

f(u,t)

,即从s ss点流出的净流量(其也等于流入t tt点的净流量)。


算法思想:


从零流(所有边的流量均为0)开始不断增加流量,保持每次增加流量之后,都满足容量限制、斜对称性和流量平衡三个条件。

称每条边上容量与流量之差为残余容量,简称残量

根据下图a aa得到残量网络b bb,同样的可以由c cc得到d dd。

注意残量网络中的边数可能达到原图中的边数的两倍,在原图中:c = 16 c=16c=16,f = 11 f=11f=11的边在残量网络中对应正反两条边,残量分别为16 − 11 = 5 16-11=516−11=5和0 − ( − 11 ) = 11 0-(-11) = 110−(−11)=11


63bfe36f172a4aabb5206946aaf2c069.png


该算法基于这样一个事实:残量网络中任意一条从s ss到t tt的有向道路都对应一条原图中的增广路,只需要求出该道路中所有残量的最小值d dd,把对应的所有边上的流量增加d dd即可,这个过程称为增广过程。如果增广前的流量满足三个条件,增广后依然满足。显然,只要残量网络中存在增广路,流量就可以增大。可以证明他的逆命题也成立:如果残量网络中不存在增广路,则当前流就是最大流。这便是著名的增广路定理


当且仅当残量网络中不存在s ss− -−t tt的有向道路(增广路)时,此时的流时从s ss到t tt的最大流


struct Edge {
  int u, v;
  ll cap, flow;
  Edge(int uu, int vv, ll _cap, ll _flow) {
    u = uu, v = vv, cap = _cap, flow = _flow;
  }
};
struct EdmondsKarp {
  ll n, m;
  vector<Edge> edges;
  vector<int> G[maxn];
  ll a[maxn], p[maxn];
  void init(int n) {
    for (int i = 0; i <= n; i++) G[i].clear();
    edges.clear();
  }
  void add(int u, int v, ll cap) {
    edges.push_back(Edge(u, v, cap, 0));
    edges.push_back(Edge(v, u, 0, 0));
    m = edges.size();
    G[u].push_back(m - 2);
    G[v].push_back(m - 1);
  }
  ll maxFlow(int s, int t) {
    ll Flow = 0;
    while (true) {
      memset(a, 0, sizeof a);
      queue<int> que;
      que.push(s);
      a[s] = INF;
      while (que.size()) {
        int u = que.front();
        que.pop();
        for (int i = 0; i < G[u].size(); i++) {
          int id = G[u][i];
          Edge &e = edges[id];///不加&也是可以的
          int to = e.v;
          if (!a[to] && e.cap > e.flow) {
            p[to] = id;
            a[to] = min(a[u], e.cap - e.flow);
            que.push(to);
          }
        }
        if (a[t]) break;
      }
      if (!a[t]) break;
      for (int u = t; u != s; u = edges[p[u]].u) {
        edges[p[u]].flow += a[t];
        edges[p[u] ^ 1].flow -= a[t];
      }
      Flow += a[t];
    }
    return Flow;
  }
} slove;
int n, m, s, t;
int main() {
  cin >> n >> m >> s >> t;
  slove.init(n);
  slove.n = n;
  for (int i = 1; i <= m; i++) {
    int u = read, v = read;
    ll cap = read;
    slove.add(u,v,cap);
  }
  cout << slove.maxFlow(s,t) <<endl;
  return 0;
}



目录
相关文章
|
27天前
|
机器学习/深度学习 存储 算法
神经网络分类算法原理详解
神经网络分类算法原理详解
50 0
|
1月前
|
机器学习/深度学习 算法 PyTorch
RPN(Region Proposal Networks)候选区域网络算法解析(附PyTorch代码)
RPN(Region Proposal Networks)候选区域网络算法解析(附PyTorch代码)
227 1
|
1月前
|
机器学习/深度学习 算法 计算机视觉
|
2天前
|
存储 网络协议 关系型数据库
Python从入门到精通:2.3.2数据库操作与网络编程——学习socket编程,实现简单的TCP/UDP通信
Python从入门到精通:2.3.2数据库操作与网络编程——学习socket编程,实现简单的TCP/UDP通信
|
12天前
|
机器学习/深度学习 算法
【MATLAB】GA_ELM神经网络时序预测算法
【MATLAB】GA_ELM神经网络时序预测算法
286 9
|
12天前
|
机器学习/深度学习 数据采集 算法
|
15天前
|
机器学习/深度学习 自然语言处理 算法
|
26天前
|
存储 算法 JavaScript
Java入门高频考查算法逻辑基础知识3-编程篇(超详细18题1.8万字参考编程实现)
解决这类问题时,建议采取下面的步骤: 理解数学原理:确保你懂得基本的数学公式和法则,这对于制定解决方案至关重要。 优化算法:了解时间复杂度和空间复杂度,并寻找优化的机会。特别注意避免不必要的重复计算。 代码实践:多编写实践代码,并确保你的代码是高效、清晰且稳健的。 错误检查和测试:要为你的代码编写测试案例,测试标准的、边缘情况以及异常输入。 进行复杂问题简化:面对复杂的问题时,先尝试简化问题,然后逐步分析和解决。 沟通和解释:在编写代码的时候清晰地沟通你的思路,不仅要写出正确的代码,还要能向面试官解释你的
33 0
|
1月前
|
机器学习/深度学习 算法 Python
LSTM(长短期记忆)网络的算法介绍及数学推导
LSTM(长短期记忆)网络的算法介绍及数学推导
18 0
|
1月前
|
存储 算法 JavaScript
【C++ 泛型编程 入门篇】 C++ 中的泛型算法 STL(sort,find)(二)
【C++ 泛型编程 入门篇】 C++ 中的泛型算法 STL(sort,find)
28 0