论文--浅谈基于分层思想的网络流算法

《论文--浅谈基于分层思想的网络流算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浅谈基于分层思想的网络流算法[关键字]层次图网络流基本算法应用MPLADinicMPM[摘要]本文详细地介绍了基于层次图概念的三种算法，并通过例题来说明Dinic算法在信息学竞赛中的优越性。[目录]第25页共25页一、引言3二、预备概念32.1剩余图的概念32.2顶点的层次42.3层次图的概念42.4阻塞流的概念5三、最短路径增值算法(MPLA)的步骤及复杂度分析53.1算法步骤53.2定理的证明63.3复杂度分析8四、Dinic算法的步骤以及复杂度分析94.1算法步骤94.2复杂度分析13五、Dinic

2、算法在信息学竞赛中的应用15例题1最大获利(profit)15例题2矩阵游戏18六、MPM的算法步骤以及复杂度分析196.1算法步骤196.2复杂度分析20七、总结21[正文]第25页共25页一、引言图论这门古老而又年轻的学科在信息学竞赛中占据了相当大的比重。其中，网络流算法经常在题目中出现。网络流涵盖的知识非常丰富，从基本的最小割最大流定理到网络的许多变形再到最高标号预流推进的六个优化等等，同学们在平时需要多多涉猎这方面的知识，不断积累，才能应对题目的各种变化。随着信息学竞赛的不断发展，其题目的难度以及

3、考察范围都不断增大。现在，对于一些新出现的题目，仅仅掌握最朴素的网络流算法并不足以解决问题。本文针对一些数据规模比较大的网络流题目详细介绍了基于分层思想的3个网络流算法，并通过列举和比较说明了其在解题中的应用，而对一些基础的知识，如最小割最大流定理等，没有作具体阐释，大家可以在许多其他网络流资料中找到。二、预备概念2.1剩余图的概念给定一个流量网络、源点、汇点、容量函数，以及其上的流量函数。我们这样定义对应的剩余图：剩余图中的点集与流量网络中的点集相同，即。对于流量网络中的任一条边。，若，那么边，这条边在

4、剩余图中的权值为；同时，若那么边，这条边在剩余图中的权值为。我们可以发现，流量网络中的每条边在剩余图中都化作一条或二条边。第25页共25页剩余图中的每条边都表示在原流量网络中能沿其方向增广。剩余图的权值函数表示在流量网络中能够沿着的方向增广大小为的流量。所以在剩余图中，从源点到汇点的任意一条简单路径简单路径：路径中不存在重复的顶点或边都对应着一条增广路，路径上每条边的权值的最小值即为能够一次增广的最大流量。2.2顶点的层次汇点在剩余图中，我们把从源点到点的最短路径长度称作点的层次，记为。源点的层次为0。在

5、下面这张剩余图中：源点02133每个点旁边的数字即表示该点在图中的层次。2.3层次图的概念我们这样定义层次图：对于剩余图中的一条边，当且仅当时，边；直观地讲，层次图是建立在剩余图基础之上的一张“最短路图”。从源点开始，在层次图中沿着边不管怎么走，经过的路径一定是终点在剩余图中的最短路。第25页共25页2.4阻塞流的概念在流量网络中存在一可行流，当该网络的层次图中不存在增广路时，我们称流函数为层次图的阻塞流。三、最短路径增值算法(MPLA)的步骤及复杂度分析3.1算法步骤1、初始化流量，计算出剩余图2、根据

6、剩余图计算层次图。若汇点不在层次图内，则算法结束3、在层次图内不断用bfs增广，直到层次图内没有增广路为止4、转步骤2之前我们讲到的层次图将被应用在最短路径增值算法中。首先，我们看一下最短路径增值算法的步骤：算法中，2、3步被循环执行，我们将执行2、3步的一次循环称为一个阶段。每个阶段中，我们首先根据剩余图建立层次图，然后不断用bfs在层次图内增广，寻找阻塞流。增广完毕后，进入下一个阶段。这样不断重复，直到汇点不在层次图内出现为止。汇点不在层次图内意味着在剩余图中不存在一条从源点到汇点的路径，即没有增广路

7、。在程序实现的时候，层次图并不用被“建”出来，我们只需对每个顶点标记层次，增广的时候，判断边是否满足这一约束即可。第25页共25页3.2定理的证明定理：对于有n个点的流量网络，在最短路径增值算法中，最多有n个阶段。也就是说，在算法中层次图最多被建立n次。证明这个定理有助于我们进行算法复杂度分析。证明：在建立完层次图以后，假设从源点到汇点的最短路径长度为k，我们将层次图中所有的点分到k+1个集合中，第i个集合为，如下图所示：{层次为0的顶点集合}{层次为1的顶点集合}{层次为2的顶点集合}{层次为k-1的顶

8、点集合}{层次为k的顶点集合}...在剩余图中，存在着2类边。第25页共25页第一类：从第个集合中的顶点连到第个集合中的顶点第二类：从第个集合中的顶点连到第个集合中的顶点在层次图中，只存在第一类边，这是由层次图的性质决定的。我们所要找的增广路中的边也必定是第一类边。当我们对一条增广路径增广后，会删除一条或多条增广路中的饱和边，也就是第一类边；而同时会在剩余图中加入一些与增广路径中的边反向的边。这些新加入的边一定是第二类边。如下