吐槽

这个算法。。

怎么说........

学来也就是装装13吧。。。。

长得比EK丑

跑的比EK慢

写着比EK难

思想

大家先来猜一下这个算法的思想吧:joy:

看看人家的名字——最高标号预留推进

多么高端大气上档次2333333咳咳

从它的名字中我们可以看出,它的核心思想是—推进,而不是找增广路

那么它是怎么实现推进的呢?

很简单,我们从源点开始,不停的向其他的点加流量,对于每个点都如此操作。那么推到最后,我们就可以得到到达汇点的最大流量

不过可能会出现一种情况,就是$A$送流量给$B$,$B$觉得不好意思不想要,于是又推给$A$,$A$非常热情便又推给$B$……直到推到TLE为止。。那怎么解决这种情况呢?

我们对每个点,引入一个高度$H$,并且规定,一个点$u$可以向另一个点$v$送流量,当且仅当$H[u]=H[s]+1$

这样我们就可以保证不会有上面情况发生了

另外还有一种情况,就是这个点依然有流量,但是迫于高度的限制流不出去,那怎么办呢?

很简单,我们增加这个点的高度,这样这个点的流量就能流出去了。

优化

预留推进也就是这些内容了

但是它的名字里的最高标号是啥意思呢?

这个要感谢咱们的熟人tarjan,他和他的小伙伴发现,如果每次选的点是高度最高的点,时间复杂度会更优。

可以优化至$O(n^2\sqrt{m})$

另外还有一个比较显然的优化,如果一个高度$i$是不存在的,即图中没有高度为$i$的点,那么从比$i$高的点一定不会走到汇点$T$,因为根据我们的限制条件,必须要经过高度为$i$的点,于是这些点就没有用了

代码

题目在这儿

不是我说,这个算法真的是死慢死慢的,,,,

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<queue>
using namespace std;
const int MAXN=*1e3+;
const int INF=1e8+;
inline char nc()
{
static char buf[MAXN],*p1=buf,*p2=buf;
return p1==p2&&(p2=(p1=buf)+fread(buf,,MAXN,stdin),p1==p2)?EOF:*p1++;
}
inline int read()
{
char c=nc();int x=,f=;
while(c<''||c>''){if(c=='-')f=-;c=nc();}
while(c>=''&&c<=''){x=x*+c-'';c=nc();}
return x*f;
}
int N,M,S,T;
int H[MAXN];//每个节点的高度
int F[MAXN];//每个节点可以流出的流量
int gap[MAXN];//每个高度的数量
struct node
{
int u,v,flow,nxt;
}edge[MAXN];
int head[MAXN];
int num=;//注意这里num必须从0开始
inline void add_edge(int x,int y,int z)
{
edge[num].u=x;
edge[num].v=y;
edge[num].flow=z;
edge[num].nxt=head[x];
head[x]=num++;
}
inline void AddEdge(int x,int y,int z)
{
add_edge(x,y,z);
add_edge(y,x,);//注意这里别忘了加反向边
}
struct comp
{
int pos,h;
comp(int pos=,int h=):pos(pos),h(h) {}
inline bool operator < (const comp &a) const {return h<a.h;}
};
priority_queue<comp>q;
bool Work(int u,int v,int id)
{
int val=min(F[u],edge[id].flow);
edge[id].flow-=val;edge[id^].flow+=val;
F[u]-=val;F[v]+=val;
return val;
}
inline int HLPP()
{
H[S]=N;F[S]=INF;q.push(comp(S,H[S]));
while(q.size()!=)
{
int p=q.top().pos;q.pop();
if(!F[p]) continue;
for(int i=head[p];i!=-;i=edge[i].nxt)
if( (p==S||H[edge[i].v]+==H[p]) && Work(p,edge[i].v,i) && edge[i].v!=S && edge[i].v!=T)
q.push( comp(edge[i].v,H[edge[i].v]) );
if(p!=S && p!=T && F[p])
{
if( (--gap[ H[p] ])== )//该高度不存在
{
for(int i=;i<=N;i++)
if( H[p]<H[i]&&H[i]<=N && p!=S && p!=T )
H[i]=N+;//设置为不可访问
}
++gap[ ++H[p] ];//高度+1
q.push( comp(p,H[p]) );
}
}
return F[T];
}
int main()
{
#ifdef WIN32
freopen("a.in","r",stdin);
#else
#endif
memset(head,-,sizeof(head));
N=read(),M=read(),S=read(),T=read();
for(int i=;i<=M;i++)
{
int x=read(),y=read(),z=read();
AddEdge(x,y,z);
}
printf("%d", HLPP() );
return ;
}

网络最大流算法—最高标号预流推进HLPP的更多相关文章

  1. 最大流算法-最高标号预流推进(HLPP)

    昨天我们学习了ISAP算法,它属于增广路算法的大类.今天学习的算法是预流推进算法中很高效的一类--最高标号预流推进(HLPP). 预流推进 预流推进是一种很直观的网络流算法.如果给到一个网络流让你手算 ...

  2. ZOJ-2364 Data Transmission 分层图阻塞流 Dinic+贪心预流

    题意:给定一个分层图,即只能够在相邻层次之间流动,给定了各个顶点的层次.要求输出一个阻塞流. 分析:该题直接Dinic求最大流TLE了,网上说采用Isap也TLE,而最大流中的最高标号预流推进(HLP ...

  3. 最大流算法-ISAP

    引入 最大流算法分为两类,一种是增广路算法,一种是预留推进算法.增广路算法包括时间复杂度\(O(nm^2)\)的EK算法,上界为\(O(n^2m)\)的Dinic算法,以及一些其他的算法.EK算法直接 ...

  4. 常用限流算法与Guava RateLimiter源码解析

    在分布式系统中,应对高并发访问时,缓存.限流.降级是保护系统正常运行的常用方法.当请求量突发暴涨时,如果不加以限制访问,则可能导致整个系统崩溃,服务不可用.同时有一些业务场景,比如短信验证码,或者其它 ...

  5. Ford-Fulkerson 最大流算法

    流网络(Flow Networks)指的是一个有向图 G = (V, E),其中每条边 (u, v) ∈ E 均有一非负容量 c(u, v) ≥ 0.如果 (u, v) ∉ E 则可以规定 c(u, ...

  6. 算法9-5:最大流算法的Java代码

    残留网络 在介绍最大流算法之前先介绍一下什么是残留网络.残余网络的概念有点类似于集合中的补集概念. 下图是残余网络的样例. 上面的网络是原始网络.以下的网络是计算出的残留网络.残留网络的作用就是用来描 ...

  7. 最大流算法之ISAP

    序: 在之前的博文中,我解释了关于最大流的EK与Dinic算法,以及它们的STL/非STL的实现(其实没什么区别).本次讲解的是ISAP算法.'I',指 inproved,也就是说ISAP其实是SAP ...

  8. 最大流算法之Ford-Fulkerson算法与Edmonds–Karp算法

    引子 曾经很多次看过最大流的模板,基础概念什么的也看了很多遍.也曾经用过强者同学的板子,然而却一直不会网络流.虽然曾经尝试过写,然而即使最简单的一种算法也没有写成功过,然后对着强者大神的代码一点一点的 ...

  9. coding++:RateLimiter 限流算法之漏桶算法、令牌桶算法--简介

    RateLimiter是Guava的concurrent包下的一个用于限制访问频率的类 <dependency> <groupId>com.google.guava</g ...

随机推荐

  1. 详解AMD规范及具体实现requireJS在工程中的使用

    前面的话 由CommonJS组织提出了许多新的JavaScript架构方案和标准,希望能为前端开发提供统一的指引.AMD规范就是其中比较著名一个,全称是Asynchronous Module Defi ...

  2. [Swift]LeetCode735. 行星碰撞 | Asteroid Collision

    We are given an array asteroids of integers representing asteroids in a row. For each asteroid, the ...

  3. [Swift]LeetCode1020. 飞地的数量 | Number of Enclaves

    Given a 2D array A, each cell is 0 (representing sea) or 1 (representing land) A move consists of wa ...

  4. 小伙子,你真的搞懂 transient 关键字了吗?

    先解释下什么是序列化 我们的对象并不只是存在内存中,还需要传输网络,或者保存起来下次再加载出来用,所以需要Java序列化技术. Java序列化技术正是将对象转变成一串由二进制字节组成的数组,可以通过将 ...

  5. iOS学习——核心动画

    iOS学习——核心动画 1.什么是核心动画 Core Animation(核心动画)是一组功能强大.效果华丽的动画API,无论在iOS系统或者在你开发的App中,都有大量应用.核心动画所在的位置如下图 ...

  6. 1.MySQL(一)

    数据库简介 数据库(Database)是按照数据结构来组织.存储和管理数据的仓库 RDBMS 即关系数据库管理系统(Relational Database Management System) 1.特 ...

  7. ElasticSearch(1)---Mysql同步数据到ElSearch

    ElasticSearch同步Mysql 先讲项目需求:对于资讯模块添加搜索功能 这个搜索功能我就是采用ElasticSearch实现的,功能刚实现完,所以写这篇博客做个记录,让自己在记录下整个步骤和 ...

  8. Python操作Redis及连接方式

    前沿:随着互联网的高速发展,数据变得越来越重要,Python成为了人工智能的热门语言,而Nosql数据库已成为日常开发用品. 今天要写的是Python操作Redis Redis的安装我就不介绍了,你可 ...

  9. redis 系列16 持久化 RDB

    一.概述 Redis是内存数据库,一旦服务器进程退出,服务器中的数据库内存数据状态也会消失.为了解决这个问题,Redis提供了RDB 持久化功能,这个功能可以将redis在内存中的数据库状态保存到磁盘 ...

  10. 带着新人学springboot的应用05(springboot+RabbitMQ 上)

    这次就来说说RabbitMQ,这个应该不陌生了,随便一查就知道这个是用来做消息队列的.(注意:这一节很多都是概念的东西,需要操作的比较少) 至于AMQP协议(Advanced Message Queu ...