0

0

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

裘德小鎮的故事

发布时间:2025-12-05 16:46:50

|

979人浏览过

|

来源于php中文网

原创

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。

刺鸟创客
刺鸟创客

一款专业高效稳定的AI内容创作平台

下载

C++ 实现代码

#include 
#include 
#include 
#include 
#include 

using namespace std;

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

public:
    MaxFlow(int nodes) : n(nodes) {
        capacity.resize(n, vector(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& parent) {
        fill(parent.begin(), parent.end(), -1);
        parent[s] = -2;

        queue> 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 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 getMinCut(int s) {
        vector visited(n, false);
        queue 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 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;
}

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)”;

相关专题

更多
页面置换算法
页面置换算法

页面置换算法是操作系统中用来决定在内存中哪些页面应该被换出以便为新的页面提供空间的算法。本专题为大家提供页面置换算法的相关文章,大家可以免费体验。

405

2023.08.14

c++ 根号
c++ 根号

本专题整合了c++根号相关教程,阅读专题下面的文章了解更多详细内容。

25

2026.01.23

c++空格相关教程合集
c++空格相关教程合集

本专题整合了c++空格相关教程,阅读专题下面的文章了解更多详细内容。

31

2026.01.23

yy漫画官方登录入口地址合集
yy漫画官方登录入口地址合集

本专题整合了yy漫画入口相关合集,阅读专题下面的文章了解更多详细内容。

119

2026.01.23

漫蛙最新入口地址汇总2026
漫蛙最新入口地址汇总2026

本专题整合了漫蛙最新入口地址大全,阅读专题下面的文章了解更多详细内容。

180

2026.01.23

C++ 高级模板编程与元编程
C++ 高级模板编程与元编程

本专题深入讲解 C++ 中的高级模板编程与元编程技术,涵盖模板特化、SFINAE、模板递归、类型萃取、编译时常量与计算、C++17 的折叠表达式与变长模板参数等。通过多个实际示例,帮助开发者掌握 如何利用 C++ 模板机制编写高效、可扩展的通用代码,并提升代码的灵活性与性能。

16

2026.01.23

php远程文件教程合集
php远程文件教程合集

本专题整合了php远程文件相关教程,阅读专题下面的文章了解更多详细内容。

70

2026.01.22

PHP后端开发相关内容汇总
PHP后端开发相关内容汇总

本专题整合了PHP后端开发相关内容,阅读专题下面的文章了解更多详细内容。

63

2026.01.22

php会话教程合集
php会话教程合集

本专题整合了php会话教程相关合集,阅读专题下面的文章了解更多详细内容。

64

2026.01.22

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
HTML5/CSS3/JavaScript/ES6入门课程
HTML5/CSS3/JavaScript/ES6入门课程

共102课时 | 6.8万人学习

前端基础到实战(HTML5+CSS3+ES6+NPM)
前端基础到实战(HTML5+CSS3+ES6+NPM)

共162课时 | 19万人学习

第二十二期_前端开发
第二十二期_前端开发

共119课时 | 12.5万人学习

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
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

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号