学了那么久网络流才发现自己不知道 Dinic 算法的一个在各边容量均为 \(1\) 的网络时复杂度上的结论。我说为啥学术社区那题优化建图复杂度是对的呢……

以下均认为使用了当前弧优化多路增广

以下认为 \(n\) 为点数,\(m\) 为边数,\(n=O(m)\)。

以下考虑的复杂度均为 \(O(\text{增广轮数}\times\text{单轮增广复杂度})\),这个显然是一个合法上界。


一般网络:\(O(n^2m)\)

对于一般网络,增广轮数显然为 \(O(n)\),因为每轮终点层数递增。

对于单轮增广复杂度,在不限制容量范围时,不会超过 \(O(nm)\):对于每个状态的当前弧,只会消耗 \(O(n)\) 的时间找到一组合法增广路;而当前弧状态数不会超过 \(O(m)\)。

因此,对于一般网络,其复杂度为 \(O(n^2m)\)。


关于值域的增广轮数上界:\(O(\sqrt{\sum_p\min\{d^{in}_p,d^{out}_p\}})\)

假设每个点 \(p\) 的出边容量和为 \(d^{out}_p\),入边容量和为 \(d^{in}_p\),定义

\[S=\sum_p\min\{d^{in}_p,d^{out}_p\}
\]

则增广轮数不会超过 \(\sqrt S\)。

如果在 \(\sqrt S\) 轮内已经结束,显然就是 \(O(\sqrt S)\) 的。

假设已经经过了 \(\sqrt S\) 轮,则到达汇点的增广路长度,也即在残量网络上的最短路长度,接下来不会低于 \(\sqrt S\)。

假设接下来几轮中我们还要流 \(d\) 条增广路,则由于除源汇外每个点最多属于 \(\min\{d^{in}_p,d^{out}_p\}\) 条有流量的路径,在当前残量网络中存在一种取 \(d\) 条路径不是增广路)的方案。于是残量网络上起点到终点最短路为 \(O(\frac Sd)\) 的。

于是,\(d=O(\sqrt S)\),所以最多再流 \(O(\sqrt S)\) 轮,增广轮数即为 \(O(\sqrt S)\) 的。

因此增广轮数是 \(O(\sqrt S)\) 的。


各边容量均为 \(1\) 的网络:\(O(m\min\{m^{\frac12},n^{\frac23}\})\)

接下来我们考虑的是各边容量均为 \(1\) 的网络。

对于单轮增广复杂度,考虑到每条边会被访问不超过一次,单轮复杂度为 \(O(m)\) 的。

增广轮数是 \(O(\sqrt m)\) 的:\(S=O(m)\)。

增广轮数是 \(O(n^{\frac23})\) 的:这个比较高明,推导比较复杂,咕了。

因此,对于各边容量均为 \(1\) 的网络,其复杂度为 \(O(m\min\{m^{\frac12},n^{\frac23}\})\)。


单位网络:\(O(m\sqrt n)\)

单位网络是一类特殊的各边容量均为 \(1\) 的网络,满足除源汇外各点入度不超过 \(1\) 或出度不超过 \(1\)。

显然单轮增广复杂度还是 \(O(m)\) 的。

考虑增广轮数,\(S=O(n)\),因此增广轮数是 \(O(\sqrt n)\) 的。

因此,对于单位网络,其复杂度为 \(O(m\sqrt n)\)。


在稀疏图、稠密图上的分析

稀疏图(\(m\sim n\)) 稠密图(\(m\sim n^2\))
一般网络 \(O(n^3)\) \(O(n^4)\)
各边容量均为 \(1\) 的网络 \(O(n\sqrt n)\) \(O(n^{\frac83})\)
单位网络 \(O(n\sqrt n)\) \(O(n^{\frac52})\)

在稀疏图上,各边容量均为 \(1\) 的网络的效率比较明显,\(n\) 可以取到 \(2\times10^5\) 左右。

在稠密图上,三者的差异就更大了。(不过复杂度一般卡不满)

Dinic的几种复杂度的更多相关文章

  1. Mahout的taste里的几种相似度计算方法

    欧几里德相似度(Euclidean Distance) 最初用于计算欧几里德空间中两个点的距离,以两个用户x和y为例子,看成是n维空间的两个向量x和y,  xi表示用户x对itemi的喜好值,yi表示 ...

  2. 几种复杂度的斐波那契数列的Java实现

    一:斐波那契数列问题的起源 13世纪初期,意大利数论家Leonardo Fibonacci在他的著作Liber Abaci中提出了兔子的繁殖问题: 如果一开始有一对刚出生的兔子,兔子的长大需要一个月, ...

  3. HDU 3657 Game (SAP | Dinic | EK 三种算法的比较)

    Game Time Limit: 4000/2000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)Total Submis ...

  4. Dinic算法详解及实现

    预备知识: 残留网络:设有容量网络G(V,E)及其上的网络流f,G关于f的残留网络即为G(V',E'),其中G'的顶点集V'和G的顶点集V相同,即V'=V,对于G中任何一条弧<u,v>,如 ...

  5. 网络流(四)dinic算法

    传送门: 网络流(一)基础知识篇 网络流(二)最大流的增广路算法 网络流(三)最大流最小割定理 网络流(四)dinic算法 网络流(五)有上下限的最大流 网络流(六)最小费用最大流问题 转自:http ...

  6. loglikelihood ratio 相似度

    摘要: 在机器学习中常用到各种距离或者相似度,今天在看美团推荐系统重排序的文章时看到了loglikelihood ratio 相似度,特总结起来.以后有时间再把常用的相似度或者距离梳理到一篇文章. 背 ...

  7. Elasticsearch中的相似度模型(原文:Similarity in Elasticsearch)

    原文链接:https://www.elastic.co/blog/found-similarity-in-elasticsearch 原文 By Konrad Beiske 翻译 By 高家宝 译者按 ...

  8. 斯坦福大学公开课机器学习:machine learning system design | error metrics for skewed classes(偏斜类问题的定义以及针对偏斜类问题的评估度量值:查准率(precision)和召回率(recall))

    上篇文章提到了误差分析以及设定误差度量值的重要性.那就是设定某个实数来评估学习算法并衡量它的表现.有了算法的评估和误差度量值,有一件重要的事情要注意,就是使用一个合适的误差度量值,有时会对学习算法造成 ...

  9. dinic算法求最大流的学习

    http://trp.jlu.edu.cn/software/net/lssx/4/4.38.htm http://www.cnblogs.com/zen_chou/archive/0001/01/0 ...

  10. R和中心度、中心势

    最近用R画论文里的弦图,恰好借的书里着重写了中心度等问题. 网上流行一套密歇根大学社交计算的教程.但是前两年看了好几遍总是搞不清,即便是记公式也是收效不大.不妨按照书上总结一下. 绝对法: 无向图点度 ...

随机推荐

  1. grafana嵌入iframe,去除菜单和上方工具条

    1.首先修改grafana的配置:etc/grafana/grafana.ini,修改下面这两个配置为true 2.由于项目使用了nginx,要启用https,需要修改下面这几个配置:(不需要启用ht ...

  2. 最火小游戏《羊了个羊》最新H5升级通关版

    背景 最近大火的微信小游戏<羊了个羊>刷爆朋友圈和群聊,大家都在搜索羊了个羊第二关怎么过.羊了个羊通关秘籍.这款小游戏实在难度太高,及其容易上瘾,而且很多朋友怎么也通不过. 这一次小编给大 ...

  3. SpringMVC学习笔记【狂神说】

    1.MVC是什么 MVC是模型(Model).视图(View).控制器(Controller)的简写,是一种软件设计规范. 是将业务逻辑.数据.显示分离的方法来组织代码. MVC主要作用是降低了视图与 ...

  4. golang 切片(slice)

    1.切片的定义 切片(slice)是对数组一个连续片段的引用,所以切片是一个引用类型. 切片的使用与数组类似,遍历,访问切片元素等都一样.切片是长度是可以变化的,因此切片可以看做是一个动态数组. 一个 ...

  5. 删除启动台(LaunchPad)残留的图标

    忘记什么版本的时候以前在 "应用程序" 删除应用后,启动台自动更新删掉 不知道什么时候开始,直接在 "应用程序" 里删掉后,启动台居然不能删除了-- 10.13 ...

  6. 苹果App 上架 app store 提示 “构建版本错误”使用Application Loader发布App

    步骤1 打开Application Loader(有2种方法) 或 步骤2 使用开发者帐号登录 步骤3 选择需要上传发布的ipa包 选择成功后,会显示ipa包的相关信息 步骤4 上传验证 上传成功 转 ...

  7. software_programming

    2020-04-04  12:05:43 todo list Java8 实战2> chapter2 行为参数化 业务逻辑的隔离 DSL

  8. pytest+allure接口自动化

    python类库依赖: pip3 install pytestpip3 install allure-pytestpip3 install rerequestspip3 install pytest- ...

  9. Ansible基础认识及安装使用详解

  10. JavaScript 对象操作

    Object.defineProperty(obj, prop, descriptor)方法会直接在一个对象上定义一个新属性,或者修改一个对象的现有属性,并返回这个对象. const  freezeO ...