HDU 3549 最大流纯模板

最大流问题详解与Dinic算法实现
本文详细解析了一道最大流问题的题目,并通过Dinic算法进行解答。介绍了如何构建图的邻接表表示,使用BFS计算距离标号,通过DFS寻找增广路径,最终求解从源点到汇点的最大流。适用于初学者理解最大流的基本概念及算法实现。

题目链接:http://acm.split.hdu.edu.cn/showproblem.php?pid=3549
题意:T组样例,做点1–>n的最大流
规模:
(2 <= N <= 15, 0 <= M <= 1000)
(1 <= X, Y <= N, 1 <= C <= 1000)
类型:最大流基础,纯模板
分析:第一次做网络流,在代码里加了许多注释,边学边敲
时间复杂度&&优化:
朴素算法O(FE); 。F为遍历深度
dinic算法O(EV*V);。这里只写了dinic。
代码:

#include<stdio.h>
#include<string.h>
#include<stdlib.h>
#include<queue>
#include<stack>
#include<math.h>
#include<vector>
#include<algorithm>
#include<iostream>

using namespace std;

const int MAX_N = 20;
const int MAX_M = 20005;
const int inf = 1000000007;
const int mod = 1000000007;

char s[20];
int n,m;

struct edge{
    int to;
    int cap;///容量
    int rev;///反向边,,记录这条边的from点
};
vector<edge> G[MAX_N];///图的邻接表表示
int level[MAX_N];///定点到源点的距离标号
int iter[MAX_N];///当前弧,在其之前的边已经没用了

///向图中增加一条从from到to的容量为cap的边;
void add_edge(int from,int to,int cap){
    G[from].push_back( (edge){to,cap,G[to].size()} );
    G[to].push_back((edge){from,0,G[from].size()-1});///这个-1是减上面行代码的干扰
}

///通过BFS计算从源点出发的距离标号
void bfs(int s){///正常bfs,以离s的距离进行编号
    memset(level ,-1,sizeof(level));///我是38
    level[s]=0;
    queue<int >que;
    que.push(s);
    while(!que.empty()){
        int v=que.front();que.pop();
        for(int i=0;i<G[v].size();i++){
            edge &e=G[v][i];///???没道理取地址啊
            if(e.cap>0&&level[e.to]<0){
                level[e.to]=level[v]+1;
                que.push(e.to);
            }
        }
    }
    //for(int z=0;z<n;z++){printf("%d ",level[z]);}
}

///通过DFS寻找增广路,,, 从v点发送f的流量到t,返回最大可发送量
int dfs(int v,int t,int f){///t不变,是真目标点.....
    if(v==t)return f;
    for(int &i=iter[v];i<G[v].size();i++){///???这里也有取地址
        edge &e=G[v][i];///当前弧,,
        ///原来优化在这里(上面两行)!:朴素算法重复计算了边G[V][0]~G[V][iter-1],而iter是当前弧!!
        if(e.cap>0&&level[v]<level[e.to]){
            int d=dfs(e.to,t,min(f,e.cap));
            if(d>0){
                e.cap-=d;
                G[e.to][e.rev].cap+=d;
                return d;
            }
        }
    }
    return 0;
}

///求解从s到t的最大流
long long max_flow(int s,int t){
    long long flow=0;
    for(;;){///无限循环,理论推导可得循环上限O(EV*V),,朴素为O(F*E);
        bfs(s);
        if(level[t]<0)return flow;///找不到增广路就reutrn。看第38行代码
        memset(iter,0,sizeof(iter));///当前弧::存储下一个节点的编号
        int f;
        while((f=dfs(s,t,inf))>0){///这是个while!!!???::相比于朴素算法的for(;;),并没有什么区别,这个while是对前面几个初始化的保护。
            flow+=f;
        }
    }
}


int main()
{
    //freopen("test.txt","r",stdin);
    int T;
    cin>>T;
    for(int z=1;z<=T;z++){
        scanf("%d%d",&n,&m);
        for(int i=0;i<=n;i++) G[i].clear();///!!!清空数组G
        for(int i=0;i<m;i++){
            int a,b,c;
            cin>>a>>b>>c;
            a--;b--;
            add_edge(a,b,c);
        }

        long long k=max_flow(0,n-1);
        printf("Case %d: %I64d\n",z,k);
    }

    return 0;
}
### 关于网络流算法的模板题目 网络流是一种经典的图论算法,主要用于解决最大流、最小割等问题。以下是几个常见的网络流算法模板及其对应的经典题目。 #### 1. 最大流问题 最大流问题是网络流中最基本的问题之一,通常可以通过 **Edmonds-Karp 算法** 或者 **Dinic 算法** 解决。下面是一个简单的 Edmonds-Karp 算法实现: ```python from collections import deque class Edge: def __init__(self, v, flow, rev): self.v = v self.flow = flow self.rev = rev def add_edge(u, v, capacity, graph): edge_u_to_v = Edge(v, capacity, len(graph[v])) edge_v_to_u = Edge(u, 0, len(graph[u])) graph[u].append(edge_u_to_v) graph[v].append(edge_v_to_u) def bfs(s, t, parent, graph): visited = [False] * len(graph) queue = deque([s]) visited[s] = True while queue: u = queue.popleft() for idx, edge in enumerate(graph[u]): if not visited[edge.v] and edge.flow > 0: queue.append(edge.v) visited[edge.v] = True parent[edge.v] = u if edge.v == t: return True return False def edmonds_karp(n, s, t, graph): parent = [-1] * n max_flow = 0 while bfs(s, t, parent, graph): path_flow = float('Inf') v = t while v != s: u = parent[v] path_flow = min(path_flow, graph[u][next(i for i, e in enumerate(graph[u]) if e.v == v)].flow) v = u v = t while v != s: u = parent[v] index = next(i for i, e in enumerate(graph[u]) if e.v == v) graph[u][index].flow -= path_flow graph[v][graph[u][index].rev].flow += path_flow v = u max_flow += path_flow return max_flow ``` 上述代码实现了基于 BFS 的 Edmonds-Karp 算法来求解最大流问题[^4]。 --- #### 2. 最小费用最大流问题 如果需要考虑每条边的成本,则可以使用 **SPFA** 或 **Bellman-Ford** 结合最短路径的思想来计算最小费用的最大流。以下是一个 SPFA 实现的例子: ```python import heapq INF = int(1e9) def spfa_min_cost_max_flow(n, edges, start, end): adj_list = [[] for _ in range(n)] residual_graph = [[None]*n for _ in range(n)] for u, v, cap, cost in edges: adj_list[u].append((v, cap, cost)) adj_list[v].append((u, 0, -cost)) dist = [INF] * n potential = [0] * n prev_node = [-1] * n prev_edge = [-1] * n total_flow = 0 total_cost = 0 while True: pq = [] dist[start] = 0 heapq.heappush(pq, (dist[start], start)) while pq: d, node = heapq.heappop(pq) if d > dist[node]: continue for idx, (neighbor, cap, cost) in enumerate(adj_list[node]): if cap > 0 and dist[neighbor] > dist[node] + cost + potential[node] - potential[neighbor]: dist[neighbor] = dist[node] + cost + potential[node] - potential[neighbor] prev_node[neighbor] = node prev_edge[neighbor] = idx heapq.heappush(pq, (dist[neighbor], neighbor)) if dist[end] == INF: break for i in range(n): potential[i] += dist[i] flow = INF cur = end while cur != start: previous = prev_node[cur] edge_index = prev_edge[cur] flow = min(flow, adj_list[previous][edge_index][1]) cur = previous total_flow += flow total_cost += flow * potential[end] cur = end while cur != start: previous = prev_node[cur] edge_index = prev_edge[cur] adj_list[previous][edge_index] = ( adj_list[previous][edge_index][0], adj_list[previous][edge_index][1] - flow, adj_list[previous][edge_index][2] ) back_edge_index = None for j, (back_neighbor, _, _) in enumerate(adj_list[cur]): if back_neighbor == previous: back_edge_index = j break adj_list[cur][back_edge_index] = ( adj_list[cur][back_edge_index][0], adj_list[cur][back_edge_index][1] + flow, adj_list[cur][back_edge_index][2] ) cur = previous return total_flow, total_cost ``` 该代码通过调整势能函数优化了 SPFA,在处理负权边时更加高效[^5]。 --- #### 3. 经典模板题推荐 以下是几道经典的网络流算法模板题,适合初学者练习: 1. **POJ 1273 Drainage Ditches**: 这是一道典型的 Edmonds-Karp 算法入门题。 2. **HDU 3549 Flow Problem**: 需要使用 Dinic 算法提高效率。 3. **Codeforces Round #XXX Div.2 C**: 涉及到最小费用最大流的应用场景。 4. **LeetCode 787 Cheapest Flights Within K Stops**: 虽然不是网络流问题,但可以用类似思路建模。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值