HihoCoder上网络流算法题目建模总结

2024-08-26 08:32
文章标签 算法 总结 题目 网络 建模 hihocoder

本文主要是介绍HihoCoder上网络流算法题目建模总结，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

经过了几天的学习和做题，我利用刘汝佳书上的网络流算法模板完成了HihoCoder上的几个网络流算法，HihoCoder可能还会继续更新网络流算法，所以我也会接着总结。

这个主要是对网络流算法的建模做分析和理解，不具体分析网络流算法，网络流算法会单独总结。

网络流一·Ford-Fulkerson算法

题目连接

本题没有建模，就是标准的网络最大流求解，将图建完后直接应用最大流算法即可解决。但在此记录几点注意的地方：

  • 所谓的“残留网络”就是为了让程序在遍历时可以会推所添加的记录流量差的反向边。比如 a–>b 容量为10，流量为3，其意义为从a到b已经走了3个流量，还有7个流量可以走过去，3个流量可以再退回来。

  • 增广路径就是找从 s 到 t 的能通过的路径，所谓能通过就是还存在未满流的边可以再走一些流量。这类增广路径算法的思想就是不断地在“残留网络”上找“增广路径”，然后修改残留网络上的流量，直到不通为止。

代码如下，为刘汝佳书《算法竞赛入门经典》中一个模板：

const int maxn = 505;
const int INF = 0x7fffffff;struct Edge {int from, to, cap, flow;Edge(int u, int v, int c, int f) : from(u), to(v), cap(c), flow(f) {}
};struct EdmondsKarp {int n, m;vector<Edge> edges;vector<int> G[maxn];int a[maxn];int p[maxn];void init(int n) {for (int i = 0; i < n; ++i) G[i].clear();edges.clear();}void AddEdge(int from, int to, int cap) {edges.push_back(Edge(from, to, cap, 0));edges.push_back(Edge(to, from, 0, 0));  // reverse edgem = edges.size();G[from].push_back(m - 2);G[to].push_back(m - 1);}int Maxflow(int s, int t) {int flow = 0;for (;;) {memset(a, 0, sizeof(a));queue<int> Q;Q.push(s);a[s] = INF;while (!Q.empty()) {int x = Q.front(); Q.pop();for (int i = 0; i < G[x].size(); ++i) {Edge &e = edges[G[x][i]];if (!a[e.to] && e.cap > e.flow) {p[e.to] = G[x][i];a[e.to] = min(a[x], e.cap - e.flow);Q.push(e.to);}}if (a[t]) break;}if (!a[t]) break;for (int u = t; u != s; u = edges[p[u]].from) {edges[p[u]].flow += a[t];edges[p[u] ^ 1].flow -= a[t];}flow += a[t];}return flow;}
};int main()
{
#ifdef LOCALfreopen("input.txt", "r", stdin);// freopen("sorted.txt", "w", stdout);
#endifint N, M, u, v, c;cin >> N >> M;EdmondsKarp ek;// construct the graphek.init(N);for (int i = 0; i < M; ++i) {cin >> u >> v >> c;ek.AddEdge(u, v, c);}cout << ek.Maxflow(1, N) << endl;return 0;}

网络流二·最大流最小割定理

题目连接

这部分主要是证明最小割等于最大流，证明详细步骤见上面题目，这里记录下主要步骤：

  • f(S, T) 等于从 s 出来的流，等于当前的网络流量 f。f(S, T) 表示割 (S, T)的净流量。

  • 对于网络的任何一个流，一定小于等于任何一个割的容量（f(S, T) <= C(S, T)

对于一个网络 G=(V, E)，有源点 s 汇点 t，以下三个等价：
1、f 是图 G 的最大流
2、残留网络不存在增广路
3、对于G的一个割(S, T)，此时 f = C(S, T)
证明：
1=>2：假设 f 是图 G 的最大流，如果残留网络存在增广路 p，流量为 fp，那么有流 f’ = f + fp > f ，与 f 是最大流矛盾。
2=>3：对于任意的 u S v T，有 f(u, v) = c(u, v)，即

∑f(u,v)=∑c(u,v)=f(S,T)=C(S,T)=f

这样，找不到增广路的时候求得的一定是最大流，最大流等于最小割。

另外，本题要求求出最小割集合 S，在割 (S, T) 中，计算出的残留网络从 s 开始遍历，所能遍历到的点即为 S 集合，因为求得的最小割就是最大流，最大流中残留网络不存在增广路径，也就是说从 s 没法走到 t，故从 s 开始遍历，所得到的点的集合就是 S。

const int maxn = 505;
const int INF = 0x7FFFFFFF;struct Edge {int from, to, cap, flow;Edge(int u, int v, int c, int f) : from(u), to(v), cap(c), flow(f) {}
};bool used[maxn];
std::vector<int> rst;struct EdmondsKarp {int n, m;vector<Edge> edges;vector<int> G[maxn];int a[maxn];int p[maxn];void init(int n) {for (int i = 0; i < n; ++i) G[i].clear();edges.clear();}void AddEdge(int from, int to, int cap) {edges.push_back(Edge(from, to, cap, 0));edges.push_back(Edge(to, from, 0, 0));  // reverse edgem = edges.size();G[from].push_back(m - 2);G[to].push_back(m - 1);}int Maxflow(int s, int t) {int flow = 0;for (;;) {memset(a, 0, sizeof(a));queue<int> Q;Q.push(s);a[s] = INF;while (!Q.empty()) {int x = Q.front(); Q.pop();for (int i = 0; i < G[x].size(); ++i) {Edge &e = edges[G[x][i]];if (!a[e.to] && e.cap > e.flow) {p[e.to] = G[x][i];a[e.to] = min(a[x], e.cap - e.flow);Q.push(e.to);}}if (a[t]) break;}if (!a[t]) break;for (int u = t; u != s; u = edges[p[u]].from) {edges[p[u]].flow += a[t];edges[p[u] ^ 1].flow -= a[t];}flow += a[t];}   return flow;}   void GetMinCutSetS(int s) {rst.push_back(s); used[s] = true;for (int i = 0; i < G[s].size(); ++i) {Edge &e = edges[G[s][i]];if (!used[e.to] && e.flow != e.cap) {GetMinCutSetS(e.to);}}}
};int main(int argc, char** argv) {
#ifdef LOCALfreopen("input.txt", "r", stdin);freopen("output.txt", "w", stdout);
#endif// 2 <= N <= 500, 1 <= M <= 20000int N, M; cin >> N >> M;EdmondsKarp ek;ek.init(N);// construct the graphint u, v, c;for (int i = 0; i < M; ++i) {cin >> u >> v >> c;ek.AddEdge(u, v, c);}int flow = ek.Maxflow(1, N);ek.GetMinCutSetS(1);std::cout << flow << " " << rst.size() << std::endl;for (int i = 0; i < rst.size() - 1; ++i) {cout << rst[i] << " ";}std::cout << rst[rst.size() - 1] << std::endl;return 0;
}

说明：代码中的 GetMinCutSetS 就是一个 DFS 方法，从一个点开始遍历得到最终的 S 集合，没什么难的。结果保存在一个 vector 中。

网络流三·二分图多重匹配

题目连接

二分图的多重匹配，其实质就是需要规定 X 集中的点可以使用多少次，Y 中的点可以重用多少次，如果 X 中的某个点的流量使用完毕，则这条边满流，则不可再次使用。从源点 s 指向 X 集中的边的容量则规定了这个点能用多少次！Y 集中的指向汇点 t 的边的容量也是如此含义。所以，如果 Y 集中的容量没有用光，则说明当前的流（匹配）还没有达到所期望的要求。
这题使用了CheckMaxMatch 用来判断指向汇点的边是否满流。

const int maxn = 1005;
const int INF = 0x7FFFFFFF;struct Edge {int from, to, cap, flow;Edge(int u, int v, int c, int f) : from(u), to(v), cap(c), flow(f) {}
};// 求最小割所用到的两个
// 求最小割点的思路为在原来求最大流的残留网络上从 s 点开始 DFS，所有能遍历到的点都是 S 集合里面的，
// 剩余没有遍历到的点就是 T 集合里的点。
// bool used[maxn];
// std::vector<int> rst;
struct EdmondsKarp {int n, m;vector<Edge> edges;vector<int> G[maxn];int a[maxn];int p[maxn];void init(int n) {for (int i = 0; i < n; ++i) G[i].clear();edges.clear();}void AddEdge(int from, int to, int cap) {edges.push_back(Edge(from, to, cap, 0));edges.push_back(Edge(to, from, 0, 0));  // reverse edgem = edges.size();G[from].push_back(m - 2);G[to].push_back(m - 1);}int Maxflow(int s, int t) {int flow = 0;for (;;) {memset(a, 0, sizeof(a));queue<int> Q;Q.push(s);a[s] = INF;while (!Q.empty()) {int x = Q.front(); Q.pop();for (int i = 0; i < G[x].size(); ++i) {Edge &e = edges[G[x][i]];if (!a[e.to] && e.cap > e.flow) {p[e.to] = G[x][i];a[e.to] = min(a[x], e.cap - e.flow);Q.push(e.to);}}if (a[t]) break;}if (!a[t]) break;for (int u = t; u != s; u = edges[p[u]].from) {edges[p[u]].flow += a[t];edges[p[u] ^ 1].flow -= a[t];}flow += a[t];}return flow;}bool CheckMaxMatch(int N, int M) {for (int i = 1; i <= M; ++i) {for (int j = 0; j < G[N + i].size(); ++j) {Edge &e = edges[G[N + i][j]];if (e.flow != e.cap && e.flow > 0) { return false; }}}return true;}/* // 遍历求网络的最小割中的 S 集合点，结果储存在上面的 vector<int> rst 中；void GetMinCutSetS(int s) {rst.push_back(s); used[s] = true;for (int i = 0; i < G[s].size(); ++i) {Edge &e = edges[G[s][i]];if (!used[e.to] && e.flow != e.cap) {GetMinCutSetS(e.to);}}}*/
};int main(int argc, char** argv) {
#ifdef LOCALfreopen("input.txt", "r", stdin);freopen("output.txt", "w", stdout);
#endifint T; cin >> T;while (T--) {int N, M; cin >> N >> M;EdmondsKarp ek;ek.init(N + M + 2);int m[maxn + 5], a[maxn + 5], b[maxn + 5];for (int i = 0; i < M; ++i) cin >> m[i];for (int i = 0; i < N; ++i) {cin >> a[i] >> b[i];int tmprecv;for (int j = 0; j < b[i]; ++j) {cin >> tmprecv;// X -> Yek.AddEdge(i + 1, tmprecv + N, 1);}}for (int i = 1; i <= N; ++i) {ek.AddEdge(0, i, a[i - 1]);}for (int i = 1; i <= M; ++i) {ek.AddEdge(N + i, N + M + 1, m[i - 1]);}ek.Maxflow(0, N + M + 1);cout << (ek.CheckMaxMatch(N, M) ? "Yes" : "No") << endl;}return 0;
}

网络流四·最小路径覆盖

题目连接

建图的方法为：
1、添加源点 s 和汇点 t。
2、拆点，将每个点拆成两个点，比如 a 拆成 a1, a2，b 拆成 b1, b2。
3、从源点向 X 集合中每个点添加一条容量为 1 的有向边。
4、从 Y 集合向汇点中每个点添加一条容量为 1 的有向边。
5、如果 a -> b 有边，则从 a1 向 b2 添加一条容量为 1 的有向边。

最小路径覆盖就是总点数 N - 最小割。证明在我学会之前暂时不写。

推荐去看《计算机算法设计与分析》中的网络流 24 题中的魔术球问题，这是一道很隐晦的利用网络流的最小路径覆盖问题，很经典。

const int maxn = 1005;
const int INF = 0x7FFFFFFF;struct Edge {int from, to, cap, flow;Edge(int u, int v, int c, int f) : from(u), to(v), cap(c), flow(f) {}
};
// 求最小割所用到的两个
// 求最小割点的思路为在原来求最大流的残留网络上从 s 点开始 DFS，所有能遍历到的点都是 S 集合里面的，
// 剩余没有遍历到的点就是 T 集合里的点。
// bool used[maxn];
// std::vector<int> rst;
struct EdmondsKarp {int n, m;vector<Edge> edges;vector<int> G[maxn];int a[maxn];int p[maxn];void init(int n) {for (int i = 0; i < n; ++i) G[i].clear();edges.clear();}void AddEdge(int from, int to, int cap) {edges.push_back(Edge(from, to, cap, 0));edges.push_back(Edge(to, from, 0, 0));  // reverse edgem = edges.size();G[from].push_back(m - 2);G[to].push_back(m - 1);}int Maxflow(int s, int t) {int flow = 0;for (;;) {memset(a, 0, sizeof(a));queue<int> Q;Q.push(s);a[s] = INF;while (!Q.empty()) {int x = Q.front(); Q.pop();for (int i = 0; i < G[x].size(); ++i) {Edge &e = edges[G[x][i]];if (!a[e.to] && e.cap > e.flow) {p[e.to] = G[x][i];a[e.to] = min(a[x], e.cap - e.flow);Q.push(e.to);}}if (a[t]) break;}if (!a[t]) break;for (int u = t; u != s; u = edges[p[u]].from) {edges[p[u]].flow += a[t];edges[p[u] ^ 1].flow -= a[t];}flow += a[t];}return flow;}
};
int main(int argc, char** argv) {
#ifdef LOCALfreopen("input.txt", "r", stdin);freopen("output.txt", "w", stdout);
#endifint N, M; cin >> N >> M;EdmondsKarp edk;edk.init(N + N);int u, v;for (int i = 1; i <= M; ++i) {cin >> u >> v;edk.AddEdge(u, v + N, 1);}for (int i = 1; i <= N; ++i) {edk.AddEdge(0, i, 1);edk.AddEdge(N + i, N + N + 1, 1);}cout << N - edk.Maxflow(0, N + N + 1) << endl;return 0;
}

网络流五·最大权闭合子图

题目连接

最大权闭合子图：目前就我的理解是用来建模求解一些有“收入”以及“支出”并且求最后最大的收益类问题的。建模方法如下：

1、添加源点 s 和汇点 t 。
2、从源点 s 向 X 集合中每个点连一条容量为该点“收入”的有向边。
3、从 Y 集合中每个点向汇点 t 连一条容量为该点“支出”的有向边。
4、若 X 和 Y 集合中的点有依赖关系，则从 X 集合向 Y 集合每个关系添加一条容量为无限大的有向边。

最终的结果为所有收入之和 - 最小割。

const int maxn = 1005;
const int INF = 0x7FFFFFFF;struct Edge {int from, to, cap, flow;Edge(int u, int v, int c, int f) : from(u), to(v), cap(c), flow(f) {}
};
// 求最小割所用到的两个
// 求最小割点的思路为在原来求最大流的残留网络上从 s 点开始 DFS，所有能遍历到的点都是 S 集合里面的，
// 剩余没有遍历到的点就是 T 集合里的点。
// bool used[maxn];
// std::vector<int> rst;
struct EdmondsKarp {int n, m;vector<Edge> edges;vector<int> G[maxn];int a[maxn];int p[maxn];void init(int n) {for (int i = 0; i < n; ++i) G[i].clear();edges.clear();}void AddEdge(int from, int to, int cap) {edges.push_back(Edge(from, to, cap, 0));edges.push_back(Edge(to, from, 0, 0));  // reverse edgem = edges.size();G[from].push_back(m - 2);G[to].push_back(m - 1);}int Maxflow(int s, int t) {int flow = 0;for (;;) {memset(a, 0, sizeof(a));queue<int> Q;Q.push(s);a[s] = INF;while (!Q.empty()) {int x = Q.front(); Q.pop();for (int i = 0; i < G[x].size(); ++i) {Edge &e = edges[G[x][i]];if (!a[e.to] && e.cap > e.flow) {p[e.to] = G[x][i];a[e.to] = min(a[x], e.cap - e.flow);Q.push(e.to);}}if (a[t]) break;}if (!a[t]) break;for (int u = t; u != s; u = edges[p[u]].from) {edges[p[u]].flow += a[t];edges[p[u] ^ 1].flow -= a[t];}   flow += a[t];}return flow;}bool CheckMaxMatch(int N, int M) {for (int i = 1; i <= M; ++i) {for (int j = 0; j < G[N + i].size(); ++j) {Edge &e = edges[G[N + i][j]];if (e.flow != e.cap && e.flow > 0) { return false; }}           }return true;}/* // 遍历求网络的最小割中的 S 集合点，结果储存在上面的 vector<int> rst 中；void GetMinCutSetS(int s) {rst.push_back(s); used[s] = true;for (int i = 0; i < G[s].size(); ++i) {Edge &e = edges[G[s][i]];if (!used[e.to] && e.flow != e.cap) {GetMinCutSetS(e.to);}}}*/
};
int main(int argc, char** argv) {
#ifdef LOCALfreopen("input.txt", "r", stdin);freopen("output.txt", "w", stdout);
#endifint N, M; cin >> N >> M;int b[maxn], sum = 0;EdmondsKarp ek;ek.init(N + M + 2);// 第i个数表示邀请编号为i的学生需要花费的活跃值b[i]for (int i = 1; i <= M; ++i) cin >> b[i];for (int i = 1; i <= N; ++i) {int a, k, recvtmp; cin >> a >> k;sum += a;ek.AddEdge(0, i, a);for (int j = 1; j <= k; ++j) {cin >> recvtmp;ek.AddEdge(i, recvtmp + N, INF);}}for (int i = 1; i <= M; ++i) {ek.AddEdge(i + N, N + M + 1, b[i]);}cout << sum - ek.Maxflow(0, N + M + 1) << endl;return 0;
}

这篇关于HihoCoder上网络流算法题目建模总结的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1108064。

相关文章

Linux中压缩、网络传输与系统监控工具的使用完整指南

Linux中压缩、网络传输与系统监控工具的使用完整指南

《Linux中压缩、网络传输与系统监控工具的使用完整指南》在Linux系统管理中,压缩与传输工具是数据备份和远程协作的桥梁,而系统监控工具则是保障服务器稳定运行的眼睛,下面小编就来和大家详细介绍一下它... 目录引言一、压缩与解压：数据存储与传输的优化核心1. zip/unzip：通用压缩格式的便捷操作2.
阅读更多...
Java中的雪花算法Snowflake解析与实践技巧

Java中的雪花算法Snowflake解析与实践技巧

《Java中的雪花算法Snowflake解析与实践技巧》本文解析了雪花算法的原理、Java实现及生产实践,涵盖ID结构、位运算技巧、时钟回拨处理、WorkerId分配等关键点,并探讨了百度UidGen... 目录一、雪花算法核心原理1.1 算法起源1.2 ID结构详解1.3 核心特性二、Java实现解析2.
阅读更多...
JavaSE正则表达式用法总结大全

JavaSE正则表达式用法总结大全

《JavaSE正则表达式用法总结大全》正则表达式就是由一些特定的字符组成,代表的是一个规则,：本文主要介绍JavaSE正则表达式用法的相关资料,文中通过代码介绍的非常详细,需要的朋友可以参考下... 目录常用的正则表达式匹配符正则表China编程达式常用的类Pattern类Matcher类PatternSynta
阅读更多...
SQL中JOIN操作的条件使用总结与实践

SQL中JOIN操作的条件使用总结与实践

《SQL中JOIN操作的条件使用总结与实践》在SQL查询中,JOIN操作是多表关联的核心工具,本文将从原理,场景和最佳实践三个方面总结JOIN条件的使用规则,希望可以帮助开发者精准控制查询逻辑... 目录一、ON与WHERE的本质区别二、场景化条件使用规则三、最佳实践建议1.优先使用ON条件2.WHERE用
阅读更多...
Nginx Location映射规则总结归纳与最佳实践

Nginx Location映射规则总结归纳与最佳实践

《NginxLocation映射规则总结归纳与最佳实践》Nginx的location指令是配置请求路由的核心机制,其匹配规则直接影响请求的处理流程,下面给大家介绍NginxLocation映射规则... 目录一、Location匹配规则与优先级1. 匹配模式2. 优先级顺序3. 匹配示例二、Proxy_pa
阅读更多...
Android学习总结之Java和kotlin区别超详细分析

Android学习总结之Java和kotlin区别超详细分析

《Android学习总结之Java和kotlin区别超详细分析》Java和Kotlin都是用于Android开发的编程语言,它们各自具有独特的特点和优势,：本文主要介绍Android学习总结之Ja... 目录一、空安全机制真题 1：Kotlin 如何解决 Java 的 NullPointerExceptio
阅读更多...
MySQL基本查询示例总结

MySQL基本查询示例总结

《MySQL基本查询示例总结》：本文主要介绍MySQL基本查询示例总结,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录Create插入替换Retrieve(读取)select（确定列）where条件（确定行）null查询order by语句li
阅读更多...
Linux网络配置之网桥和虚拟网络的配置指南

Linux网络配置之网桥和虚拟网络的配置指南

《Linux网络配置之网桥和虚拟网络的配置指南》这篇文章主要为大家详细介绍了Linux中配置网桥和虚拟网络的相关方法,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 一、网桥的配置在linux系统中配置一个新的网桥主要涉及以下几个步骤：1.为yum仓库做准备，安装组件epel-re
阅读更多...
python如何下载网络文件到本地指定文件夹

python如何下载网络文件到本地指定文件夹

《python如何下载网络文件到本地指定文件夹》这篇文章主要为大家详细介绍了python如何实现下载网络文件到本地指定文件夹,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下...  在python中下载文件到本地指定文件夹可以通过以下步骤实现，使用requests库处理HTTP请求，并结合o
阅读更多...
使用雪花算法产生id导致前端精度缺失问题解决方案

使用雪花算法产生id导致前端精度缺失问题解决方案

《使用雪花算法产生id导致前端精度缺失问题解决方案》雪花算法由Twitter提出,设计目的是生成唯一的、递增的ID,下面：本文主要介绍使用雪花算法产生id导致前端精度缺失问题的解决方案,文中通过代... 目录一、问题根源二、解决方案1. 全局配置Jackson序列化规则2. 实体类必须使用Long封装类3.
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2