Edmonds-Karp算法（EK算法）简单讲解及实现（邻接表）

时间：2024-10-02 15:56:15

目录

最大流问题介绍
- 图定义
- 源点与汇点
- 最大流问题描述
Ford-Fulkerson方法
- 回退边与增广图
- 伪代码
- 图解
Edmonds-Karp算法
- 复杂度
- 代码实现细节
- 代码

最大流问题介绍

图定义

给定一张有向图，a->b 边的权值表示当前情况下，从a到b能够发送的流量上限是多少，比如 a->b = 10 表示当前能够从a发10流量给b，当然我们也可以选择不发那么多。

例子：
假设a->b 之间未有任何流量的发送，此时我们发8流量，那么 a->b = 10 变为 a->b = 2 ，a->b 能够发送的流量上限由10 变为 2

源点与汇点

源点只发不收，汇点只收不发，其他点作为中转站，既可以发也可以收，这像极了快递物流网络。。。

源点：卖家
汇点：买家
其他点：快递物流站点

最大流问题描述

从源点能够想方设法发送到汇点的最大流量的值，而求解这个问题就是求解这个最大值

你可能会想：这不是直接把源点发送的流量拉满就行了????？

然而事实是这样的：两点之间发送流量最大值取决于两点之间管道最细的地方的大小（木桶原理），前面塞太多后面放不下。。。

Ford-Fulkerson方法

Ford-Fulkerson不是算法，是一种方法，而通过bfs实现这种方法，叫做Edmonds-Karp算法

回退边与增广图

Ford-Fulkerson定义了一个非常具有创造性的“回退边”

如果我们在a->b中塞入x流量，表示我们买了x货物，于是我们可以退货。
回退边描述了这种退货的行为，回退边的权值是我们已经塞入的流量的大小（联系现实生活中，买了x货物，最多退货量为x）

在这里插入图片描述

我们在原图g的基础上增加回退边，构成原图的增广图ga，增广图包含的回退边的权值等于已经塞入的流量的大小

伪代码

Ford-Fulkerson方法提供了一种求解最大流的思路，是一个很巧妙的贪心思路，这是他的伪代码：

sum = 0
while True:
	构造原图g的增广图ga
	在增广图ga上找到一条从源点到汇点的最短路径p,这个最短指的是经过的点最少而不是经过的边权值之和最小
	if 找不到p :
		break
	记录p一路走来遇到的"最细"的管道大小f（即经过的所有边中权值的最小值）
	通过f来更新原图中路径p上的边:
	for 边(a->b) in p:
		(a->b)能够通过的流量上限 -= f
		(b->a)能够通过的流量上限 += f
	sum += f
	
sum就是图最大流

1
2
3
4
5
6
7
8
9
10
11
12
13
14

~~很抽象~~

图解

在这里插入图片描述

Edmonds-Karp算法

EK算法之所以是算法，在于它确定了在增广图上找最短路径的方法，即BFS，因为bfs的特性，b到终点一定是最短路

复杂度

bfs用邻接表，复杂度为O(e)，更新边复杂度O(e)，而每次最少增长1的流量，假设图最大流答案是f，则最多需要f次bfs，所以总复杂度为(O(e)+O(e) * f) = O(ef)

代码实现细节

因为边具有属性，邻接表adj[x]不再存储下一个顶点的信息，而是存储所有从x出发的边，在边集合中的下标
一条边具有两个属性：起点，当前允许的最大流量
因为回退边的存在，总共边的数量是原图边数量的两倍
在bfs的同时记录路径使用生成树 father[] 数组即可做到，father[x]=-1表示x未被访问
bfs的同时记录最细流量，使用min_flow[]数组，假设有边a->b，那么有 min_flow[b] = min(该边允许的流量最大值, min_flow[a])
bfs返回值为true表示找到，否则没找到路径
边的权值为0则不可走，因为每次最小压入1流量
bfs的时候，正向边或回退边都可以走，只要权值不为0

代码

~~ps：如果您在着手实现深圳大学算法课程的实验，请手下留情，不要全部copy，否则代码查重系统将会展现他那残忍无情的精准~~

#include <bits/stdc++.h>

using namespace std;

typedef struct edge
{
	int st, ed, val;	// 起点, 终点, 还能通过多少流量(其中起点不必要，只是方便打印调试信息)
	edge(){}
	edge(int a, int b, int c){st=a;ed=b;val=c;}	
}edge;

int n,e,src,dst,ans;		// 顶点数, 初始边数, 源, 目, 答案 
vector<vector<int>> adj;	// adj[x][i]表示从x出发的第i条边在边集合中的下标 
vector<edge> edges;			// 边集合 
vector<int> min_flow;		// min_flow[x]表示从起点到x的路径中最细流 
vector<int> father;			// 生成树 

bool bfs_augment()
{
	for(int i=0; i<n; i++) father[i]=-1;
	for(int i=0; i<n; i++) min_flow[i]=1145141919; // inf
	father[src] = src;
	
	queue<int> q; q.push(src);
	while(!q.empty())
	{
		int x=q.front(),y; q.pop();
		if(x==dst) return true;
		for(int i=0; i<adj[x].size(); i++)
		{
			edge e = edges[adj[x][i]];
			y = e.ed;
			if(father[y]!=-1 || e.val==0) continue;
			father[y] = x;
			min_flow[y] = min(e.val, min_flow[x]);
			q.push(y);
		}
	}
	return false;
}

void graph_update()
{
	int x, y=dst, flow=min_flow[dst], i;
	cout<<"更新流量: "<<flow<<" 路径: ";
	ans += flow;
	vector<int> path;
	while(y!=src)	// 沿着生成树找起点并沿途更新边 
	{
		path.push_back(y);
		x = father[y];
		for(i=0; i<adj[x].size(); i++) if(edges[adj[x][i]].ed==y) break;	
		edges[adj[x][i]].val -= flow;
		for(i=0; i<adj[y].size(); i++) if(edges[adj[y][i]].ed==x) break;
		edges[adj[y][i]].val += flow;
		y = x;
	}
	path.push_back(y);
	for(int i=path.size()-1; i>=0; i--) cout<<path[i]<<" "; cout<<endl;
}

int main()
{
	cin>>n>>e>>src>>dst;
	adj.resize(n); 
	father.resize(n); 
	min_flow.resize(n); 
	edges.resize(e*2);
	for(int i=0; i<e; i++)
	{
		int st, ed, limit; cin>>st>>ed>>limit;
		edges[2*i] = edge(st, ed, limit);
		edges[2*i+1] = edge(ed, st, 0);
		adj[st].push_back(2*i); adj[ed].push_back(2*i+1);
	}
	
	while(1)
	{
		if(!bfs_augment()) break;
		graph_update();
		// for(int i=0; i<(); i++) cout<<edges[i].st<<" -> "<<edges[i].ed<<" val="<<edges[i].val<<endl;
	}
	cout<<"最大流:"<<ans<<endl;
	
	return 0;
}

/*
6 7 0 5
0 2 2
0 1 2
1 4 1
2 4 5
2 3 2
3 5 1
4 5 2

7 11 0 6
0 1 3
0 3 3
1 2 4
2 0 3
2 3 1
2 4 2
3 4 2
3 5 6
4 1 1
4 6 1
5 6 9

*/

相关文章

