压入与重标记算法(预流推进算法)

2024-06-14 15:48

本文主要是介绍压入与重标记算法(预流推进算法),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!

              最大流算法之压入与重标记算法(预流推进算法) 


1.算法发现者:

Goldberg && Tarjan( 87 ):

不了解Goldberg,不过对Tarjan有所了解,他还是斐波那契堆,LCA,强连通分量Tarjan算法的发现者,也是算法大师高德纳的弟子。

 

2.算法动机:

在一个有向图中,寻找从源点( source )到汇点( sink )的最大流( max flow );

 

3.算法时间复杂度:

      O(V*V*E);

 

4.最大流算法的一些名词定义,限制:

A. 流网络( flow network ) : 

G = ( V, E ) 的有向图;


B. vertex s : 源点 && vertex t : 汇点;


C. 每条edge( u, v )∈E 有 capacity( u, v ) > 0;

若 ( u, v ) ∉ E 有 capacity( u, v ) = 0;


D. 流量图(flow map):

edge(u,v)的当前已行流的大小 f(u, v) ≤ capacity(u, v) && f(u, v) = - f(u, v)(反对称);


E. 饱和边( saturated edge(u, v) ):

capacity(u, v) == f(u, v);


F. edge(u, v)的残余量 residual(u, v):

capacity(u, v) - flow(u, v);


G. 残余图( residual graph ) RG( V, E' ):

edge( u, v ) ∈ E' 有 residual(u, v) >= 0;


H. 增广路( augmenting path ):

在残余网络RG上一条从 s 到 t 的可达路径;


I. 最大流(max flow):

无增广路存在;

 

5.压入与重标记算法引入的新名词的定义:

A. 余流(excess flow):

依旧储存在该顶点,尚未排出的流量 excess(u) = ∑ f(V,v) >= 0;


B. 活性点(active vertex)v:

v ∈ V - { s, t } &&  d( v ) < ∞ && excess( v ) > 0,该点流量溢出;


C. 点的高度height(u):

每个顶点被赋予一个高度,余流只能从高往下压入比他低的顶点;


D. 合法标记(legal labeling):

edge(u, v) ∈ E,height(u) <= height(v) + 1,算法仅仅将流从u 压入 v 当 height(u) = height(v) + 1;

 

6.算法抽象思想:

和Edmonds-Karp, Dinic思想算法不同,在残余网络RG中,算法不寻找增广路AP。

算法假设每个顶点u存在无限大容量的水库,可以用来储存任意多的水,

储存在该顶点的流量被称为该点的余流(excess(u)) 。

算法在开始时,使得所有从源点 s 出来的边,达到饱和状态,即saturated edge。

然后努力使得这个前置流( pre flow )达到汇点 t。然而,无法达到t的流量,全部返回给源点 s 。

 

算法开始时,除了height(s)= |V|,height(t)= 0(固定不变),

其余点都初始化为height(u)= 0(可变);

每个顶点与它相关联的的顶点处于同一平台,然而需要Push(u)的流量的时候,

需要适当调整height(u)(即重标记relabel(u)),才可以使得excess(u),流向高度小于它的顶点v。

但是高度较低的顶点到高度较高的顶点可能存在一条正向网络流,但是“对流”的处理,都是往下的。

需要注意的是,调整height(u)时,需要增加到比其最低的相邻顶点 v 的高度高一个单位,

也就是height(u) = height(v) + 1;

下面解释算法的具体操作。

 

7.算法流量限制:

A. ∀(u,v)∈ V  =>  f(u, v)<= capacity(u, v)(容量限制)

B. ∀(u,v)∈ V  =>  f(u, v) = - f(u, v)(反对称性)

C. ∀ v ∈ V - { s }  =>  ∑ f(u,v) >= 0

( 不满足基尔霍夫电压定律,即流守恒的特性 ,但是满足放宽条件下的流守恒特性 )

                                    

8.算法注意点:

A. 余流的处理(excess handling):

算法尽量将余流压入汇点 t,若是还有一部分余流无法达到 t,则将所有剩下的余流返回给源点 s。当∀ u ∈ V 有 excess(u) == 0,那么算法终止,且得到了最大流。

B. 有效的高度标签(height label):已提过

 

 

9.算法基本操作:

A. 压入( push(u, v) ):

if { residual(u,v) > 0 && height(u)== height(v) + 1 }(仅对活性点操作):delta = min(excess(u),residual(u, v) );f(u,v) += delta; f(v,u) -= delta;excess(u) -= delta; excess(v) += delta;

B. 重标记( relabel(u) ):           

if{ ∀ v ∈ V && residual(u,v) > 0 }then{ 选择出高度最小的点 v; }height(u) = height(v) + 1;

压入,重标记中任一操作仅对活性点有效:     

if( residual(u,v) > 0 && height(u) == height(v) + 1 ):push(u);
otherwise :relabel for all residual(u,v)in RG;


10.算法优化:

+动态树 O(VE log(V2/E));

 

11.实现代码:

#include <iostream>
#include <cstring>
using namespace std;const int MAX_SIZE = 100;
const int INF      = 1 << 30;int capacityGraph[MAX_SIZE][MAX_SIZE];
int flowMap[MAX_SIZE][MAX_SIZE];
int height[MAX_SIZE];
int excess[MAX_SIZE];
int src, des;
int vertex_num, edge_num;void init()
{    memset( capacityGraph, 0, sizeof( capacityGraph ) );memset( flowMap,       0, sizeof( flowMap ) );memset( height,        0, sizeof( height ) );memset( excess,        0, sizeof( excess ) );cout << "Enter vertex num && edge num : ";cin >> vertex_num >> edge_num;for( int i = 1; i <= edge_num; ++i ){int start, end, cap;cout << "Enter start && end && capacity : ";cin >> start >> end >> cap;capacityGraph[start][end] = cap;}src         = 1;des         = vertex_num;height[src] = vertex_num;
}void preFlow()
{for( int i = src; i <= des; ++i ){if( capacityGraph[src][i] > 0 ){const int flow  = capacityGraph[src][i];flowMap[src][i] += flow;flowMap[i][src] = - flowMap[src][i];excess[src]     -= flow;excess[i]       += flow;}}
}void push( int start, int end )
{int flow = min( excess[start], capacityGraph[start][end] - flowMap[start][end] );flowMap[start][end] += flow;flowMap[end][start] = -flowMap[start][end];excess[start]       -= flow;excess[end]         += flow;
}bool reLabel( int index )
{int minestHeight = INF;for( int i = src; i <= des; ++i ){if( capacityGraph[index][i] - flowMap[index][i] > 0 )minestHeight = min( minestHeight, height[i] );}if( minestHeight == INF ) return false;height[index] = minestHeight + 1;for( int i = src; i <= des; ++i ){if( excess[index] == 0 )break;if( height[i] == minestHeight && capacityGraph[index][i] > flowMap[index][i] )push( index, i );}return true;
}void pushReLabel()
{bool flag = true;preFlow();while( true ){if( flag == false ) break;flag = false;for( int i = src; i <= des - 1; ++i ){if( excess[i] > 0 ) flag = flag || reLabel( i );}}
}int main()
{init();pushReLabel();cout << "max flow : " << excess[des] << endl;return 0;
}



 

这篇关于压入与重标记算法(预流推进算法)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/1060834

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

dp算法练习题【8】

不同二叉搜索树 96. 不同的二叉搜索树 给你一个整数 n ,求恰由 n 个节点组成且节点值从 1 到 n 互不相同的 二叉搜索树 有多少种?返回满足题意的二叉搜索树的种数。 示例 1: 输入:n = 3输出:5 示例 2: 输入:n = 1输出:1 class Solution {public int numTrees(int n) {int[] dp = new int

Codeforces Round #240 (Div. 2) E分治算法探究1

Codeforces Round #240 (Div. 2) E  http://codeforces.com/contest/415/problem/E 2^n个数,每次操作将其分成2^q份,对于每一份内部的数进行翻转(逆序),每次操作完后输出操作后新序列的逆序对数。 图一:  划分子问题。 图二: 分而治之,=>  合并 。 图三: 回溯:

最大公因数:欧几里得算法

简述         求两个数字 m和n 的最大公因数,假设r是m%n的余数,只要n不等于0,就一直执行 m=n,n=r 举例 以18和12为例 m n r18 % 12 = 612 % 6 = 06 0所以最大公因数为:6 代码实现 #include<iostream>using namespace std;/