【网络流】总结-6ren

【网络流】总结

转载作者：我是一只小鸟更新时间：2023-08-13 06:31:18

1、定义

设 \(u\) 和 \(v\) 为一张图上的任意两个节点。令 \(c(u, v)\) 为它们之间的边的容量， \(f(u, v)\) 为它们之间的流量，则需要满足以下限制.

容量限制：对于每条边，都必须满足 \(f(u, v) \leq c(u, v)\) 。
斜对称性：对于每条边，其流量与其相反边的容量互为相反数，即 \(f(u, v) = -f(v, u)\) 。
流守恒性：从源点流出的流量等于流入汇点的流量。

对于网络上的任意一点 \(x\) ，流入该节点的流量一定等于流出该节点的容量。特别地，源点 \(s\) 的流入量为 0，汇点 \(t\) 的流出量为 0，当然，源点的流出量一定等于汇点的流入量.

整张网络的流定义为从源点流出的流量总和.

有关于网络流的常见问题有 4 种:

最大流。
最小割。
费用流。
上下界网络流。

接下来一一介绍一下.

2、最大流

故名思意：整张网络的最大流.

我们定义增广路为：若从 \(s\) 到 \(t\) 的一条路径中，边的所有剩余容量均大于 0，则称这样的一条路径为增广路.

在这里简单介绍两种常用的最大流算法.

1、EK 算法

全名忘了.

显然，如果图中存在增广路，我们可以让一股流量沿着这条增广路从源点流到汇点.

那么 EK 算法的核心便是：利用 bfs 不断地在网络中寻找出增广路，直到网络中不存在一条增广路为止.

而每一次只要找到一条增广路，就更新路径上每一条边的剩余容量。同时网络的最大流量也会改变.

但值得注意的是，如果增广路上的流为 \(delta\) ，每一次我们不仅要将路径上所有正向边的剩余容量减去 \(delta\) ，还要将所有正向边所对应的反向边的剩余容量加上 \(delta\) .

为什么?

这就不得不提起反向边的概念了.

反向边

为什么要有这个东西?

这是因为每一条边不一定只在一条增广路中出现，它可能被多条增广路同时包含.

为了寻找出所有增广路，我们要让所有的边有被二次筛选的机会.

而反向边给了它们这个机会。你可以感性地理解为，反向边给了程序一个反悔的机会.

为什么要反悔?

如果找到增广路后直接进行更改，则会影响后续继续寻找增广路，因此产生了反向边.

注意：反向边的初始容量为 0，而且反向边的当前容量其实也可以直接代表这条边的当前流量.

以网络最大流为模板给个代码吧.

Code:

                        
                          #include<bits/stdc++.h>
using namespace std;
#define SF scanf
#define PF printf
#define int long long
struct Edge {
	int to, next, w;
}edge[100005];
int head[10005], cnt = 1, a[1005][1005], aug[1005], pre[1005], ans, s, t;
bool vis[10005];
void add(int u, int v, int w) {
	edge[++cnt].to = v;
	edge[cnt].next = head[u];
	edge[cnt].w = w;
	head[u] = cnt;
}
int bfs(int x) {
	queue<int> q;
	q.push(x);
	memset(vis, 0, sizeof(vis));
	vis[x] = 1;
	aug[x] = INT_MAX;
	while(!q.empty()) {
		int tmp = q.front();
		q.pop();
		for(int i = head[tmp]; i; i = edge[i].next) {
			int to = edge[i].to;
			if(vis[to] || edge[i].w <= 0) continue;
			vis[to] = 1;
			pre[to] = i;
			q.push(to);
			aug[to] = min(edge[i].w, aug[tmp]);
			if(to == t) return 1;
		}
	}
	return 0;
}
void change() {
	int now = t;
	while(now != s) {
		int k = pre[now];
		edge[k].w -= aug[t];
		edge[k ^ 1].w += aug[t];
		now = edge[k ^ 1].to;
	}
	ans += aug[t];
}
signed main() {
	int n, m;
	SF("%lld%lld%lld%lld", &n, &m, &s, &t);
	for(int i = 1; i <= m; i++) {
		int u, v, w;
		SF("%lld%lld%lld", &u, &v, &w);
		if(a[u][v] == 0) {
			add(u, v, w), add(v, u, 0);
			a[u][v] = cnt;
		}
		else edge[a[u][v] - 1].w += w;
	}
	while(bfs(s) != 0) change();
	PF("%lld", ans);
	return 0;
}

2、dinic算法

或许这就是它的全名?

想一想为什么 EK 的效率不如 dinic.

因为 EK 算法找到一条增广路就迫不及待地进行了更新.

那么 dinic 就在它的基础上一次性寻找了多条增广路，再统一进行更新.

如何实现?

对于一个节点 \(x\) ，设 \(d_x\) 表示它的层级。即从 \(s\) 到 \(x\) 最少经过的边的数量。再设 \(x\) 连接的下一个节点为 \(y\) ，如果它们间的 \(c(x, y) > 0\) （即还有剩余容量）时，令 \(d_y = d_x + 1\) .

再用 \(dfs\) 逐层遍历。从 \(s\) 开始向下一层寻找合法的节点（即满足上述关系式），直到找到 \(t\) ，再回溯上来。这样不就一次性寻找并修改了多条增广路的边的容量了吗?

当前弧优化

一句话解释，从上一次结束搜索的那条边继续进行搜索.

我认为还是比较容易理解的.

还是以上述模板题目为例给一份代码:

Code:

                        
                          #include<bits/stdc++.h>
using namespace std;
#define SF scanf
#define PF printf
#define int long long
struct Edge {
	int to, next, w;
}edge[200005];
int head[200005], cnt = 1, d[200005], now[200005]; //now数组就是当前弧优化的数组
void add(int u, int v, int w) {
	edge[++cnt].to = v;
	edge[cnt].next = head[u];
	edge[cnt].w = w;
	head[u] = cnt;
}
bool bfs(int s, int t) {
	queue<int> q;
	q.push(s);
	memset(d, 0, sizeof(d));
	d[s] = 1, now[s] = head[s];
	while(!q.empty()) {
		int tmp = q.front();
		q.pop();
		for(int i = head[tmp]; i; i = edge[i].next) {
			int to = edge[i].to;
			if(d[to] || edge[i].w <= 0) continue;
			d[to] = d[tmp] + 1;
			now[to] = head[to];
			q.push(to);
			if(to == t) return true;
		}
	}
	return false;
}
int dinic(int x, int t, int flow) {
	if(x == t) return flow;
	int rest = flow;
	for(int i = now[x]; i && rest; i = edge[i].next) {
		int to = edge[i].to;
		now[x] = i;
		if(d[to] != d[x] + 1 || edge[i].w <= 0) continue;
		int k = dinic(to, t, min(rest, edge[i].w));
		if(k == 0) d[to] = 0;
		edge[i].w -= k;
		edge[i ^ 1].w += k;
		rest -= k;
	}
	return flow - rest;
}
int work(int s, int t) {
	int ans = 0, delta;
	while(bfs(s, t)) {
		while(delta = dinic(s, t, INT_MAX)) ans += delta;
	}
	return ans;
}
signed main() {
	int n, m, s, t;
	SF("%lld%lld%d%lld", &n, &m, &s, &t);
	for(int i = 1; i <= m; i++) {
		int u, v, w;
		SF("%lld%lld%lld", &u, &v, &w);
		add(u, v, w), add(v, u, 0);
	}
	PF("%lld", work(s, t));
	return 0;
}

3、最小割

1、定义

把一张网络中的所有点分为 2 个点集，设其为 \(S\) 和 \(T\) ，其中源点 \(s \in S\) ， \(t \in T\) 。但需满足以下两点.

\(S\) 和 \(T\) 的交集为空集。
\(S\) 和 \(T\) 的并集为完整点集。

显然，要满足上面两个条件，我们一定要割掉一些边.

我们就将割掉的边的最小权值和叫做最小割.

怎么求呢?

结论：最小割的值等于最大流的值.

怎么证呢?

这不是显然吗，这里不再详细证明了，毕竟这玩意儿有点东西。自己去问度娘.

Code:

去上面看吧.

4、费用流

1、定义

在网络中的每条边上加上费用，设其为 \(w(u, v)\) 。则每次经过 \(u\) 和 \(v\) 之间的边时，需要付出 \(w(u, v)\) 的费用.

从源点 \(s\) 到汇点 \(t\) 因流过的量所付出的费用称为费用流.

2、解法

利用已壮烈牺牲多年的同志 SPFA 来求解.

为什么要用这玩意儿而不用复杂度更加稳定的 Dijkstra 呢?

因为图中有可能存在负环.

当然，存在负环时也是可以跑网络流的，只不过需要涉及到消圈算法，这里先不考虑.

首先我们要把费用当成权值跑一遍 SPFA，拿到到达每个点 \(i\) 的最少费用，设其为 \(dis_i\) .

这里就有一个好处： \(dis\) 数组已经帮助我们分好层了.

因此接下来跑一遍 dinic 就 OK 了.

代码改动不大，这里就先不贴了.

5、上下界网络流

最大流只是限制了边的上界，要是同时限制了下界怎么办呢?

1、无源汇上下界可行流

很好理解：没有源点和汇点，但网络中有上下界限制时的一个可行的流.

既然没有源汇点，也就没有最大流一说了.

我们要求的是每条边的流量，使得整张网络平衡，或是报告无解.

建议在读下面的内容时自己拿笔画一画。以便于理解.

首先我们建立一张只有下界的网络，图中所有边都是满流状态.

这张网络很有可能不平衡.

因此我们再建立一张差网络，容量即为上界减去下界之差.

在下界网络中，有点 \(i\) ，设流入它的点的量为 \(in_i\) ，流出它的点的量为 \(out_i\) 。分为 2 种情况考虑.

如果 \(in_i > out_i\) ，那我们希望在差网络中从 \(i\) 点流出的量比流入多 \(in_i - out_i\) 的量。因此考虑从源点 \(s\) 向 \(i\) 点连容量为 \(in_i - out_i\) 的边。
如果 \(out_i > in_i\) ，那我们希望在差网络中流入 \(i\) 点的量比流出的多 \(out_i - in_i\) 的量。因此考虑从 \(i\) 点向汇点 \(t\) 连容量为 \(out_i - in_i\) 的边。

最后在差网络上跑出最大流，得到每条边的流量，再加上下界网络的流，就可以得到一个可行流了.

肯定有无解的情况.

显然，如果一条边的一端是源点 \(s\) 或是汇点 \(t\) 时，这条边必须满流来维护下界网络的平衡。所以只要这些边中有一条边不满流，则报告无解.

但是在实际操作中，我们并不需要真正地建立下界网络。它的唯一一个作用就是帮助我们得到 \(in_i\) 和 \(out_i\) ，显然我们在输入过程中就可以得到.

以无源汇上下界可行流为模板给个代码吧.

Code:

                        
                          #include<bits/stdc++.h>
using namespace std;
#define SF scanf
#define PF printf
struct Edge {
	int to, next, w;
}edge[200005];
int u[200005], v[200005], in[2000005], out[200005], head[200005], d[200005], now[200005], Min[200005], cnt = 1;
bool vis[200005];
void add(int u, int v, int w) {
	edge[++cnt].to = v;
	edge[cnt].next = head[u];
	edge[cnt].w = w;
	head[u] = cnt;
}
bool bfs(int s, int t) {
	queue<int> q;
	q.push(s);
	memset(d, 0, sizeof(d));
	d[s] = 1, now[s] = head[s];
	while(!q.empty()) {
		int tmp = q.front();
		q.pop();
		for(int i = head[tmp]; i; i = edge[i].next) {
			int to = edge[i].to;
			if(d[to] || edge[i].w <= 0) continue;
			d[to] = d[tmp] + 1;
			now[to] = head[to];
			q.push(to);
			if(to == t) return true;
		}
	}
	return false;
}
int dinic(int x, int t, int flow) {
	if(x == t) return flow;
	int rest = flow, i;
	for(i = now[x]; i && rest; i = edge[i].next) {
		int to = edge[i].to;
		if(d[to] != d[x] + 1 || edge[i].w <= 0) continue;
		int k = dinic(to, t, min(rest, edge[i].w));
		if(k == 0) d[to] = 0;
		edge[i].w -= k;
		edge[i ^ 1].w += k;
		rest -= k;
	}
	now[x] = i;
	return flow - rest;
}
int work(int s, int t) {
	int ans = 0, delta;
	while(bfs(s, t)) {
		while(delta = dinic(s, t, INT_MAX)) ans += delta;
	}
	return ans;
}
int main() {
	int n, m, sum = 0;
	SF("%d%d", &n, &m);
	int s = 0, t = n + 1;
	for(int i = 1; i <= m; i++) {
		int Max;
		SF("%d%d%d%d", &u[i], &v[i], &Min[i], &Max);
		out[u[i]] += Min[i];
		in[v[i]] += Min[i];
		add(u[i], v[i], Max - Min[i]), add(v[i], u[i], 0);
	}
	for(int i = 1; i <= n; i++) {
		if(in[i] > out[i]) add(s, i, in[i] - out[i]), add(i, s, 0), sum += in[i] - out[i]; //记录必须要有多少流量从源点 s 流出
		else if(out[i] > in[i]) add(i, t, out[i] - in[i]), add(t, i, 0);
	}
	if(work(s, t) != sum) { //只要不是最大流，一定有边没有满流
		PF("NO");
		return 0;
	}
	PF("YES\n");
	for(int i = 2; i <= 2 * m; i += 2) PF("%d\n", Min[i / 2] + edge[i ^ 1].w);
	return 0;
}

2、有源汇上下界可行流

很好理解：有源点和汇点，网络中有上下界限制时的一个可行流.

参照上题，先建立起下界网络和差网络.

可以从汇点 \(t\) 向源点 \(s\) 连一条下界为 0 ，容量无限大的边，就转换成了无源汇上下界可行流.

代码根本没啥改动.

遗憾的是，本题并没有找到模板题.

3、有源汇上下界最大流

很好理解：有源点和汇点，网络中有上下界限制时的一个最大流.

参照上题，先求出一个有源汇上下界可行流.

那么这个可行流的值是多少呢?

显然，整张网络的流量一定等于汇点 \(t\) 向源点 \(s\) 流入的量。设该值为 \(index\) .

然后我们删去从 \(t\) 到 \(s\) 的边，再按照常规方法跑出从 \(s\) 到 \(t\) 的最大流 \(MaxFlow\) .

最后的答案即为： \(MaxFlow + index\) .

代码改动显然不大，不放了.

4、有源汇上下界最小流

很好理解：有源点和汇点，网络中有上下界限制时的一个最小流.

参照上题.

求出 \(index\) 后，跑出从 \(t\) 到 \(s\) 的最大流 \(MaxFlow\) .

最后的答案即为： \(index - MaxFlow\) .

总结

显然上面2、3、4条都是结论性的东西。证明起来有些晦涩。可能也没太大必要？因此就先放结论。以后有机会再来详细聊聊。说真的，上下界网络流考的不太多。现阶段就先记结论吧.

6、例题

1、奶牛食品

传送门。

Algorithm：最大流 .

基本上算是最大流的板子题.

介绍一种重要思路：拆点 .

拆点

我们要明白拆点的意义究竟何在?

其实拆点就是将点权转化为边权.

拿此题讲，每只奶牛的贡献最多为 1。但它喜欢的食品和饮料不止 1 种.

如果直接用食品连接奶牛，奶牛连接饮料的话，它造成的贡献可能就不为 1 了.

因此，我们应该将奶牛 \(i\) 拆成 \(i_x\) 和 \(i_y\) 。一个用来表示是否得到喜欢的食品，另一个则表示是否得到喜欢的饮料.

做法显然了，超级源点 \(s\) 向第 \(f\) 个食品连接容量为 1 的边，第 \(d\) 个饮料向超级汇点 \(t\) 连接容量为 1 的边.

如果第 \(i\) 只奶牛喜欢第 \(f\) 个食品，就从 \(f\) 向 \(i_x\) 连一条容量为 1 的边.

如果第 \(i\) 只奶牛喜欢第 \(d\) 个饮料，就从 \(i_y\) 向 \(d\) 连一条容量为 1 的边.

当然，每个 \(i_x\) 也要向 \(i_y\) 连一条容量为 1 的边。上面说过每只奶牛的贡献最多为 1，因此容量为 1.

建图Code:

                        
                          /*
第i个点：i -> max = n 
第i个吃: n + i -> max = n + lena
第i个喝：n + lena + i -> max = n + lena + lenb
第i个虚点： n + lena + lenb + i -> max = n + lena + lenb + n 
*/
int s = 0, t = 2 * n + lena + lenb + 1;
for(int i = 1; i <= n; i++) {
	int len1, len2, x;
	SF("%d%d", &len1, &len2);
	for(int j = 1; j <= len1; j++) {
		SF("%d", &x);
		add(n + x, i, 1), add(i, n + x, 0);		
	}
	for(int j = 1; j <= len2; j++) {
		SF("%d", &x);
		add(n + lena + lenb + i, n + lena + x, 1), add(n + lena + x, n + lena + lenb + i, 0);
	}
	add(i, n + lena + lenb + i, 1), add(n + lena + lenb + i, i, 0);
}
for(int i = 1; i <= lena; i++) add(s, n + i, 1), add(n + i, s, 0);
for(int i = 1; i <= lenb; i++) add(n + lena + i, t, 1), add(t, n + lena + i, 0);

2、猪

传送门。

Algorithm：最大流 .

有难度.

设第 \(i\) 个猪舍中有 \(a_i\) 头猪.

对每个猪舍 \(x\) 分类讨论.

该猪舍第一次被顾客 \(i\) 打开.

这时可以从源点 \(s\) 向 \(i\) 连一条容量为 \(a_x\) 的边。表示第 \(i\) 个顾客最多从该猪舍买走 \(a_x\) 头猪.
该猪舍在被顾客 \(i\) 打开前已经被打开过.

这时猪舍中的猪未知，怎么办呢?

我们设上一位打开该猪舍的顾客为 \(last_x\) .

对 \(last_x\) 打开过的所有猪舍，我们都可以对里面的猪随意操作.

可以理解为， \(last_x\) 和 \(i\) 是好朋友， \(last_x\) 担心自己买完猪后 \(i\) 不够买了，于是把自己能买的猪都买了，在 \(i\) 来的时候送给他了.

所以我们从 \(last_x\) 向 \(i\) 连接一条容量为无限的边，表示 \(last_x\) 可以送给 \(i\) 无限多的猪以至于可满足 \(i\) 的需求.

这样一来，问题就解决了.

当然，如果顾客 \(i\) 计划买 \(x_i\) 头猪，就从 \(i\) 向汇点 \(t\) 连接一条容量为 \(x_i\) 的边。表示他买的猪的数量.

至此，本题结束.

建图Code:

                        
                          s = 0, t = n + 1;
for(int i = 1; i <= m; i++) SF("%d", &a[i]);
for(int i = 1; i <= n; i++) {
	int len, x;
	SF("%d", &len);
	for(int j = 1; j <= len; j++) {
		SF("%d", &x);
		if(last[x] == 0) {
			last[x] = i;
			add(s, i, a[x]), add(i, s, 0);
		}  
		else add(last[x], i, 0x3f3f3f3f), add(i, last[x], 0), last[x] = i;
	}
	SF("%d", &x);
	add(i, t, x), add(t, i, 0);
}

3、蜥蜴

传送门。

Algorithm：最大流 .

思路倒不难，调试起来有些困难.

在第一张图中，设第 \(i\) 行，第 \(j\) 列的石柱最多能够被跳 \(w_{i, j}\) 次。为了方便，赋予它一个编号 \(k_{i, j}\) .

显然，根据上面拆点的思想，这里需要点权转边权。因此将第 \(i\) 行第 \(j\) 列的石柱拆为 \(k_{i, j, x}\) 和 \(k_{i, j, y}\) ，它们间边权即为 \(w_{i, j}\) .

在第二张图中，如果第 \(i\) 行，第 \(j\) 列上有蜥蜴，就从源点 \(s\) 向 \(k_{i, j, x}\) 连接一条容量为 1 的边。再进一步，如果这只蜥蜴可以直接跳出图外，就从 \(k_{i, j, y}\) 向汇点 \(t\) 连接一条容量为 1 的边.

接下来枚举任意两块石柱。第一块在第 \(i\) 行，第 \(j\) 列，第二块在第 \(l\) 行，第 \(r\) 列。如果他们间的距离足以让蜥蜴跳过，就在 \(k_{i, j, y}\) 和 \(k_{l, r, x}\) 间连接一条容量为 1 的边，表示从第一块跳到第二块。同样，在 \(k_{l, r, x}\) 和 \(k_{i, j, y}\) 间连接一条容量为 1 的边，表示从第二块跳到第一块.

到这里，建图就结束了.

建图Code:

                        
                          SF("%d%d%d", &n, &m, &Max);
for(int i = 1; i <= n; i++) {
	for(int j = 1; j <= m; j++) {
		char c;
		cin >> c;
		if(c != '0') x[++len] = i, y[len] = j, w[len] = c - '0', k[i][j] = len;
	}
}
s = 0, t = 2 * len + 1;
for(int i = 1; i <= n; i++) {
	for(int j = 1; j <= m; j++) {
		char c;
		cin >> c;
		if(c == 'L') {
			sum++;
			add(s, k[i][j], 1), add(k[i][j], s, 0);
		}
	}
}
for(int i = 1; i <= len; i++) {
	add(i, i + len, w[i]), add(i + len, i, 0);
	for(int j = i + 1; j <= len; j++) {
		if(get_dis(x[i], y[i], x[j], y[j]) <= Max * Max) add(i + len, j, 0x3f3f3f3f), add(j, i + len, 0), add(j + len, i, 0x3f3f3f3f), add(i, j + len, 0);
	}
}
for(int i = 1; i <= len; i++) {
	if(x[i] <= Max || y[i] <= Max || x[i] + Max > n || y[i] + Max > m) add(i + len, t, 0x3f3f3f3f), add(t, i + len, 0);
}

4、有线电视网络

传送门。

Algorithm：最小割。

显然，割掉一个点，所有与这个点的相连的边都会一并被删掉.

所以将第 \(i\) 个点拆为 \(i_x\) 和 \(i_y\) .

如果 \(u\) 和 \(v\) 之间有一条无向边，就从 \(u_y\) 向 \(v_x\) 间连一条容量为无限的边。同时也从 \(v_y\) 向 \(u_x\) 间连一条容量为无限的边.

为什么是无限?

因为题目中不让删边，容量设为无限那么最小割一定不会割掉它.

同时，对于任意一个非源点并且非汇点的点 \(i\) ，从 \(i_x\) 向 \(i_y\) 间连一条容量为 1 的边。表示删除该点需要 1 的代价.

为什么要排掉源汇点呢?

如果不排掉的话，最小割就可能会选择割掉 \(s_x\) 和 \(s_y\) 间的边或 \(t_x\) 和 \(t_y\) 间的边。此时满足最小割的定义，会直接返回。但实际上割掉源汇点后图可能还是联通的.

所以干脆就不割，将 \(s_x\) 和 \(s_y\) 间的边和 \(t_x\) 和 \(t_y\) 间的边的容量设为无限.

这样就需要枚举每个源汇点来去最小值才能保证正确性了.

难度不大，能够帮助我们进一步理解拆点的意义.

建图简单，输入很恶心，只给输入的代码.

建图Code:

                        
                          for(int i = 1; i <= m; i++) {
	SF("%s", c + 1);
	int lenc = strlen(c + 1);
	bool flag = false;
	for(int j = 1; j <= lenc; j++) {
		int sum = 0, u, v;
		bool F = false;
		while(c[j] >= '0' && c[j] <= '9') {
			F = true;
			sum = (sum << 3) + (sum << 1) + (c[j] ^ 48);
			j++;
		}
		if(!F) continue;
		sum++;
		if(!flag) a[i] = sum, flag = true;
		else b[i] = sum;
	}
}

5、狼和羊的故事

传送门。

Algorithm：最小割。

为了方便，将所有狼的坐标存储在 \(id1\) 里，羊的坐标存储在 \(id2\) 里，空点的坐标存储在 \(id3\) 里。它们都是 pair 类型的.

对于图中的第 \(i\) 行，第 \(j\) 列，赋予它一个编号 \(num_{i, j}\) .

题目描述说空点不是任何一只动物的领地，其实意思是狼可以通过空点来进攻羊.

所以狼有两种方式进攻羊:

相邻的节点中就有羊，直接进攻。
相邻的节点中有空点，空点可以通过若干个空点与羊相邻，通过空点进攻。

因此该题建图的思路就出来了.

枚举第 \(i\) 只狼和第 \(j\) 个空点。如果它们间的曼哈顿距离为 1，则从 \(num_{id1_i.first, id1_i.second}\) 向 \(num_{id3_j.first, id3_j.second}\) 连接一条容量为 1 的边，表示第 \(i\) 只狼可以到达第 \(j\) 个空点。
枚举第 \(i\) 个空点和第 \(j\) 只羊。如果它们间的曼哈顿距离为 1，则从 \(num_{id3_i.first, id3_i.second}\) 向 \(num_{id2_j.first, id2_j.second}\) 连接一条容量为 1 的边，表示第 \(i\) 个空点可以到达第 \(j\) 只羊。
枚举任意两个空点 \(i\) 和 \(j\) 。如果它们间的曼哈顿距离为 1，则从 \(num_{id3_i.first, id3_i.second}\) 向 \(num_{id3_j.first, id3_j.second}\) 连接一条容量为 1 的边，表示第 \(i\) 个空点可以到达第 \(j\) 个空点。
枚举第 \(i\) 只狼和第 \(j\) 只羊。如果它们间的曼哈顿距离为 1，则从 \(num_{id1_i.first, id1_i.second}\) 向 \(num_{id2_j.first, id2_j.second}\) 连接一条容量为 1 的边，表示在它们之间加一个单位距离的栅栏。

源点和汇点怎么处理呢?

枚举第 \(i\) 只狼，从源点 \(s\) 向它连一条容量为无限的边.

枚举第 \(i\) 只狼，从它向汇点 \(t\) 连一条容量为无限的边.

你不可能将任何一只狼或者任何一只羊莫名删掉，因此容量为无限.

跑一便最小割即可.

建图Code:

                        
                          SF("%d%d", &n, &m);
for(int i = 1; i <= n; i++) {
	for(int j = 1; j <= m; j++) {
		SF("%d", &x);
		num[i][j] = ++sum;
		if(x == 1) id1[++len1].first = i, id1[len1].second = j;
		else if(x == 2) id2[++len2].first = i, id2[len2].second = j;
		else id3[++len3].first = i, id3[len3].second = j;
	}
}
int S = 0, T = sum + 1;
for(int i = 1; i <= len1; i++) add(S, num[id1[i].first][id1[i].second], 0x3f3f3f3f), add(num[id1[i].first][id1[i].second], S, 0);
for(int i = 1; i <= len2; i++) add(num[id2[i].first][id2[i].second], T, 0x3f3f3f3f), add(T, num[id2[i].first][id2[i].second], 0);
for(int i = 1; i <= len1; i++) {
	for(int j = 1; j <= len3; j++) {
		if(abs(id1[i].first - id3[j].first) + abs(id1[i].second - id3[j].second) == 1) add(num[id1[i].first][id1[i].second], num[id3[j].first][id3[j].second], 1), add(num[id3[j].first][id3[j].second], num[id1[i].first][id1[i].second], 0);
	}
}
for(int i = 1; i <= len3; i++) {
	for(int j = 1; j <= len2; j++) {
		if(abs(id3[i].first - id2[j].first) + abs(id3[i].second - id2[j].second) == 1) add(num[id3[i].first][id3[i].second], num[id2[j].first][id2[j].second], 1), add(num[id2[j].first][id2[j].second], num[id3[i].first][id3[i].second], 0);
	}
}
for(int i = 1; i <= len3; i++) {
	for(int j = 1; j <= len3; j++) {
		if(i == j) continue;
		if(abs(id3[i].first - id3[j].first) + abs(id3[i].second - id3[j].second) == 1) add(num[id3[i].first][id3[i].second], num[id3[j].first][id3[j].second], 1), add(num[id3[j].first][id3[j].second], num[id3[i].first][id3[i].second], 0);
	}
}
for(int i = 1; i <= len1; i++) {
	for(int j = 1; j <= len2; j++) {
		if(abs(id1[i].first - id2[j].first) + abs(id1[i].second - id2[j].second) == 1) add(num[id1[i].first][id1[i].second], num[id2[j].first][id2[j].second], 1), add(num[id2[j].first][id2[j].second], num[id1[i].first][id1[i].second], 0);
	}
}

6、航空路线问题

传送门。

Algorithm：费用流。

初看此题似乎看不出来得用费用流。没关系，我们先站在最大流的角度思考一下问题.

需要我们找到 2 条路线：一条要从 \(s\) 到 \(t\) ，另一条要从 \(t\) 到 \(s\) ，并且往返途中每座城市只能经过一次。不难想到拆点。对于点 \(i\) ，拆成入点 \(in_i\) 和出点 \(out_i\) 。从 \(in_i\) 向 \(out_i\) 连接一条容量为 1 的边，表示该点最多经过一次。特别地， \(in_s\) 和 \(out_s\) 之间的容量为 2， \(in_t\) 和 \(out_t\) 之间的容量也为 2。对于两个点 \(u\) 和 \(v\) ，如果它们之间有路径，则从 \(out_u\) 向 \(in_v\) 连接一条容量为无限的边.

做题经验告诉我们，此题可以转化成从 \(s\) 到 \(t\) 找到 2 条不同的路径，再输出答案即可.

当然，如果最大流不为 2，说明 \(s\) 和 \(t\) 不连通，输出无解.

至此，本题结束。了吗?

事实告诉我们，如果单单只跑最大流并判断无解，只能拿到 \(27pts\) ，为什么会错呢?

因为我们要保证路过的城市尽可能多，而不是仅仅找出 2 条路径.

这就是此题需要费用流的原因.

对于每一个点 \(i\) ，在 \(in_i\) 和 \(out_i\) 之间的边上加上 1 点费用，表示流经了一座城市。其它的所有边费用均为 0，再跑一遍最大费用最大流就解决了此题.

补：将所有城市的名字用 \(map\) 映射成数字后比较好处理.

建图Code:

                        
                          S = 0, T = 2 * n + 1;
for(int i = 1; i <= n; i++) {
	cin >> u;
	mp[u] = ++_, Mp[_] = u; //map映射
	if(i == 1) add(S, mp[u], 2, 0), add(mp[u], S, 0, 0), add(mp[u], mp[u] + n, 2, -1), add(mp[u] + n, mp[u], 0, 1);
	else if(i == n) add(mp[u], T, 2, 0), add(T, mp[u], 0, 0), add(mp[u], mp[u] + n, 2, -1), add(mp[u] + n, mp[u], 0, 1);
	else add(mp[u], mp[u] + n, 1, -1), add(mp[u] + n, mp[u], 0, 1);
} //将每个费用取反后跑最小费用，跑出来的答案取反就是最大费用了
for(int i = 1; i <= m; i++) {
	cin >> u >> v;
	add(mp[u] + n, mp[v], 0x3f3f3f3f, 0), add(mp[v], mp[u] + n, 0, 0);
}

给一下我习惯用的拉答案的方式供参考:

                        
                          void get_res(int x) {
	if(x == T) return;
	res[len][++res[len][0]] = (x > n ? x - n : x);
	for(int i = head[x]; i; i = edge[i].next) {
		int to = edge[i].to;
		if(i & 1) continue; //链式前向星的性质
		if(edge[i ^ 1].c) {
			edge[i ^ 1].c--;
			get_res(to);
			break;
		}
	}
}
-----------------------------------------分割线-------------------------------------------
for(int i = head[S]; i; i = edge[i].next) {
	if(i & 1) continue; 
	while(edge[i ^ 1].c) {
		edge[i ^ 1].c--;
		len++;
		get_res(edge[i].to);
	}
}
int len1 = unique(res[0] + 1, res[0] + 1 + res[0][0]) - res[0] - 1;
int len2 = unique(res[1] + 1, res[1] + 1 + res[1][0]) - res[1] - 1;
cout << len1 + len2 - 2 << endl;
for(int i = 1; i < len1; i++) cout << Mp[res[0][i]] << endl;
for(int i = len2; i; i--) cout << Mp[res[1][i]] << endl;

这种方式每次只能拉 1 点流量，较为耗时，但已经足以面对绝大多数情况了.

7、清理雪道

传送门。

Algorithm：上下界网络流。

通过读题，不难发现每条边都至少要经过一次来打扫雪道，因此每条边的容量的下界为 1，上界为无限，跑一遍无源汇上下界最小流即可.

具体地说，先建立超级源点 \(s\) 和超级汇点 \(t\) ， \(s\) 连向所有入度为 0 的点，下界为 0，上界为无限；所以出度为 0 的点连向 \(t\) ，下界为 0，上界为无限。跑一遍有源汇上下界最小流即答案.

建图Code:

不放了，见上面的模板，改动不大.

完结撒花~~~ 。

最后此篇关于【网络流】总结的文章就讲到这里了,如果你想了解更多关于【网络流】总结的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！。

文章推荐：代理模式的理论与实现

文章推荐：【技术实战】Vue功能样式实战【七】

文章推荐： SQL注入学习手册【笔记】

文章推荐：【技术实战】Vue功能样式实战【六】

java - 流<流> : flatMap vs. 减少
这个问题在这里已经有了答案: Why filter() after flatMap() is "not completely" lazy in Java streams? (8 个答案) 关闭 6
instagram - 是否有像 Twitter 流 API 一样的 Instagram 流 API？
我正在创建一个应用程序来从 Instagram 收集数据。我正在寻找像 Twitter 流 API 这样的流 API，这样我就可以自动实时收集数据而无需发送请求。 Instagram 有类似的 API
java - 您的 InputStream 既不是 OLE2 流，也不是 OOXML 流
我正在使用 Apache Commons 在 Google App Engine 中上传一个 .docx 文件，如此链接中所述 File upload servlet .上传时，我还想使用 Apach
java - 使用 AWS Java DynamoDB 流 Kinesis 适配器处理 DynamoDB 流
我尝试使用 DynamoDB 流和 AWS 提供的 Java DynamoDB 流 Kinesis 适配器捕获 DynamoDB 表更改。我正在 Scala 应用程序中使用 AWS Java 开发工具
FFMPEG RTSP IP 流 (H.264) 转换为 RTSP 流 (MPEG-2)
我目前有一个采用 H.264 编码的 IP 摄像机流式视频 (RTSP)。我想使用 FFmpeg 将此 H.264 编码流转换为另一个 RTSP 流，但 MPEG-2 编码。我该怎么做？我应该使用哪
集群模式下的 Redis 流
Redis 流是否受益于集群模式？假设您有 10 个流，它们是分布在整个集群中还是都分布在同一节点上？我计划使用 Redis 流来实现真正的高吞吐量(200 万条消息/秒)，所以我担心这种规模的 Re
Java 流 - 在可空列表上进行流式处理的优雅方式
这件事困扰了我一段时间。所以我有一个 Product 类，它有一个 Image 列表(该列表可能为空)。我想做 product.getImages().stream().filter(...) 但
具有持久存储的 Redis 流
是否可以使用具有持久存储的 Redis 流还是流仅限于内存数据？我知道可以将 Redis 与核心数据结构的持久存储一起使用，但我已经能够理解是否也可以使用 Redis 中的流的持久存储。最佳答
elixir - 具有前瞻性的可枚举/流
我开始学习 Elixir 并遇到了一个我无法轻松解决的挑战。我正在尝试创建一个函数，该函数接受一个 Enumerable.t 并返回另一个 Enumerable.t ，其中包含下 n 个项目。它与
scala - readLines 流
我试图从 readLine 调用创建一个无限的字符串流: import java.io.{BufferedReader, InputStreamReader} val in = new Buffere
Java 8 流 : For Each
你能帮我使用 Java 8 流 API 编写以下代码吗？ SuperUser superUser = db.getSuperUser; for (final Client client : super
rust - 暗示AsyncRead为补品::流
我正在尝试服用补品routeguide tutorial，并将客户端变成rocket服务器。我只是接受响应并将gRPC转换为字符串。 service RouteGuide { rpc GetF
javascript - 流 - 类型可能与联合类型不兼容
流程代码可以是run here. 使用 flow，我有一个函数，它接受一个键值对对象并获取它的值 - 它获取的值应该是字符串、数字或 bool 值。 type ValueType = string
javascript - 流、对象字面量与联合不兼容
如果我有一个函数返回一个包含数据库信息的对象或一个空对象，如下所示: getThingFromDB: async function(id:string):Promise{ const from
facebook - 流。发布ogg
我正在尝试使用javascript api和FB.ui将ogg音频文件发布到流中，但是我不知道该怎么做。这是我给FB.ui的电话: FB.ui( { method: '
Accurev:无法删除工作区/流
我正在尝试删除工作区(或克隆它以使其看起来像父工作区，但我似乎两者都做不到)。但是，当我尝试时，我收到此消息:无法删除工作区 test_workspace，因为它有一个非空的默认组。据我所知，这意味
java - 流 'map'可以用于这样的处理吗？
可以使用 Stream|Map 来完成此操作，这样我就不需要将结果放入外部 HashMap 中，而是使用 .collect(Collectors.toMap(...)); 收集结果？ Map rep
Java 流 API
当我们从集合列表中获取 Stream 时，幕后到底发生了什么？我发现很多博客都说Stream不存储任何数据。如果这是真的，请考虑代码片段: List list = new ArrayList(); l
带列表的 Java 流
我对流及其工作方式不熟悉，我正在尝试获取列表中添加的特定对象的出现次数。我找到了一种使用Collections来做到这一点的方法。其过程如下: for (int i = 0; i p.conten
Java 流 - 映射列表到简化的映射列表
我希望将一个 map 列表转换为另一个分组的 map 列表。所以我有以下 map 列表 - List [{ "accId":"1", "accName":"TestAcc1", "accNumber

我是一只小鸟

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城