首页 > 后端开发 > C++ > 正文

C++怎么实现一个最大流最小割算法_C++网络流问题与Edmonds-Karp算法

裘德小鎮的故事
发布: 2025-12-05 16:46:50
原创
947人浏览过
最大流最小割问题中,最大流值等于最小割容量。Edmonds-Karp算法通过BFS寻找最短增广路径,确保O(V·E²)时间复杂度,C++实现基于残差图更新与反向边机制,支持重边处理并可提取最小割集合。

c++怎么实现一个最大流最小割算法_c++网络流问题与edmonds-karp算法

最大流最小割问题是网络流中的经典问题,目标是在一个有向图中从源点到汇点传输尽可能多的流量。Edmonds-Karp算法是Ford-Fulkerson方法的一种实现,使用BFS寻找增广路径,确保在多项式时间内求解。

基本概念

最大流:给定带权有向图,每条边有容量限制,求从源点 s 到汇点 t 的最大可能流量。
最小割:将图划分为两个部分,s 在其中一个部分,t 在另一个部分,割的容量是所有从前一部分指向后一部分的边容量之和,最小割即为其中最小的容量值。
根据最大流最小割定理,最大流的值等于最小割的容量。

Edmonds-Karp 算法原理

该算法基于以下思想:

  • 不断使用 BFS 找从源点到汇点的一条增广路径(路径上每条边都有剩余容量)
  • 沿该路径增加流量,更新残差图中正向边和反向边的容量
  • 直到无法找到新的增广路径为止

BFS 的使用保证了每次选择最短路径,使时间复杂度稳定在 O(V·E²),适合大多数实际应用。

Convai Technologies Inc.
Convai Technologies Inc.

对话式 AI API,用于设计游戏和支持端到端的语音交互

Convai Technologies Inc. 87
查看详情 Convai Technologies Inc.

C++ 实现代码

#include <iostream>
#include <vector>
#include <queue>
#include <climits>
#include <algorithm>

using namespace std;

class MaxFlow {
private:
    int n;
    vector<vector<int>> capacity; // 容量矩阵
    vector<vector<int>> adj;     // 邻接表

public:
    MaxFlow(int nodes) : n(nodes) {
        capacity.resize(n, vector<int>(n, 0));
        adj.resize(n);
    }

    // 添加边(包括反向边占位)
    void addEdge(int u, int v, int cap) {
        capacity[u][v] += cap; // 支持重边
        adj[u].push_back(v);
        adj[v].push_back(u); // 反向边用于残差图
    }

    // BFS 寻找增广路径并记录前驱
    bool bfs(int s, int t, vector<int>& parent) {
        fill(parent.begin(), parent.end(), -1);
        parent[s] = -2;

        queue<pair<int, int>> q; // (节点, 当前路径最小剩余容量)
        q.push({s, INT_MAX});

        while (!q.empty()) {
            int u = q.front().first;
            int flow = q.front().second;
            q.pop();

            for (int v : adj[u]) {
                if (parent[v] == -1 && capacity[u][v] > 0) {
                    parent[v] = u;
                    int new_flow = min(flow, capacity[u][v]);
                    if (v == t) return true; // 找到汇点
                    q.push({v, new_flow});
                }
            }
        }
        return false;
    }

    // 计算从 s 到 t 的最大流
    int maxFlow(int s, int t) {
        int total_flow = 0;
        vector<int> parent(n);

        while (bfs(s, t, parent)) {
            // 沿路径回溯计算可增广的流量
            int path_flow = INT_MAX;
            int cur = t;
            while (cur != s) {
                int prev = parent[cur];
                path_flow = min(path_flow, capacity[prev][cur]);
                cur = prev;
            }

            // 更新残差图
            cur = t;
            while (cur != s) {
                int prev = parent[cur];
                capacity[prev][cur] -= path_flow;
                capacity[cur][prev] += path_flow;
                cur = prev;
            }

            total_flow += path_flow;
        }

        return total_flow;
    }

    // 获取最小割:BFS 后仍能访问的节点属于 S 集
    vector<bool> getMinCut(int s) {
        vector<bool> visited(n, false);
        queue<int> q;
        q.push(s);
        visited[s] = true;

        while (!q.empty()) {
            int u = q.front(); q.pop();
            for (int v : adj[u]) {
                if (!visited[v] && capacity[u][v] > 0) {
                    visited[v] = true;
                    q.push(v);
                }
            }
        }
        return visited;
    }
};

// 示例用法
int main() {
    MaxFlow mf(6); // 节点数:0~5,设 0 为源点,5 为汇点

    mf.addEdge(0, 1, 16);
    mf.addEdge(0, 2, 13);
    mf.addEdge(1, 2, 10);
    mf.addEdge(1, 3, 12);
    mf.addEdge(2, 1, 4);
    mf.addEdge(2, 4, 14);
    mf.addEdge(3, 2, 9);
    mf.addEdge(3, 5, 20);
    mf.addEdge(4, 3, 7);
    mf.addEdge(4, 5, 4);

    int max_flow = mf.maxFlow(0, 5);
    cout << "最大流: " << max_flow << endl;

    // 输出最小割
    vector<bool> in_S = mf.getMinCut(0);
    cout << "最小割中的边:" << endl;
    for (int u = 0; u < 6; u++) {
        for (int v = 0; v < 6; v++) {
            // 原始输入中存在且跨越割的边
            if (in_S[u] && !in_S[v]) {
                // 这里仅示意,实际应结合初始图判断是否为原始边
                cout << "边 " << u << " -> " << v << endl;
            }
        }
    }

    return 0;
}
登录后复制

关键细节说明

残差图维护:通过正向边减去流量、反向边加上流量来支持“撤销”操作
邻接表设计:即使没有直接连接也要加入反向边,确保 BFS 能遍历残差图
重边处理:使用 += 方式添加边容量,兼容多重边情况
最小割提取:最大流完成后,从源点出发在残差图中可达的所有节点构成集合 S,其余为 T,所有从 S 指向 T 的原始边构成最小割

基本上就这些。这个实现清晰、高效,适用于大多数网络流场景。注意节点编号从 0 开始,可根据需要调整。不复杂但容易忽略反向边和残差更新逻辑。调试时建议打印每轮增广后的残差状态。

立即学习C++免费学习笔记(深入)”;

以上就是C++怎么实现一个最大流最小割算法_C++网络流问题与Edmonds-Karp算法的详细内容,更多请关注php中文网其它相关文章!

相关标签:
最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新 English
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号