网络流算法介绍与分析.ppt

《网络流算法介绍与分析.ppt》由会员分享，可在线阅读，更多相关《网络流算法介绍与分析.ppt（89页珍藏版）》请在三一办公上搜索。

1、网络流,杭州学军中学 魏越闽,一些符号和定义,V表示整个图中的所有结点的集合.E表示整个图中所有边的集合.G=(V,E),表示整个图.s表示网络的源点,t表示网络的汇点.对于每条边(u,v),有一个容量c(u,v)(c(u,v)=0)如果c(u,v)=0，则表示(u,v)不存在在网络中。如果原网络中不存在边(u,v)，则令c(u,v)=0对于每条边(u,v),有一个流量f(u,v).,一个简单的例子.网络可以被想象成一些输水的管道.括号内右边的数字表示管道的容量,左边的数字表示这条管道的当前流量.,网络流的三个性质,1、容量限制:fu,v=cu,v2、反对称性：fu,v=-fv,u3、流量平衡

2、:对于不是源点也不是汇点的任意结点,流入该结点的流量和等于流出该结点的流量和。结合反对称性,流量平衡也可以写成:只要满足这三个性质,就是一个合法的网络流.,最大流问题,定义一个网络的流量（记为|f|）=最大流问题，就是求在满足网络流性质的情况下，|f|的最大值。,残量网络,为了更方便算法的实现，一般根据原网络定义一个残量网络。其中r(u,v)为残量网络的容量。r(u,v)=c(u,v)f(u,v)通俗地讲：就是对于某一条边（也称弧），还能再有多少流量经过。Gf残量网络,Ef表示残量网络的边集.,例1,v1,t,s,v2,2,3,2,4,2,2,原网络(a,b)表示(流量f,容量c),残量网络（

3、如果网络中一条边的容量为0,则认为这条边不在残量网络中。r(s,v1)=0,所以就不画出来了。另外举个例子：r(v1,s)=c(v1,s)f(v1,s)=0(-f(s,v1)=f(s,v1)=4.,图1,图2,例1,从残量网络中可以清楚地看到：因为存在边(s,v2)=3,我们知道从S到v2还可以再增加2单位的流量；因为存在边(v1,t)=2,我们知道从v1到t还可以再增加2单位的流量。,后向弧,其中像(v1,s)这样的边称为后向弧,它表示从v1到s还可以增加4单位的流量。但是从v1到s不是和原网络中的弧的方向相反吗？显然“从v1到s还可以增加4单位流量”这条信息毫无意义。那么，有必要建立这些后

4、向弧吗？,v1,t,s,v2,2,3,2,4,2,2,为什么要建立后向弧,显然，例1中的画出来的不是一个最大流。但是，如果我们把s-v2-v1-t这条路径经过的弧的流量都增加2,就得到了该网络的最大流。注意到这条路径经过了一条后向弧:(v2,v1)。如果不设立后向弧，算法就不能发现这条路径。从本质上说，后向弧为算法纠正自己所犯的错误提供了可能性，它允许算法取消先前的错误的行为（让2单位的流从v1流到v2),为什么要建立后向弧,当然,可以把上面说的情况当成特殊情况来处理。但使用后向弧可以使编程简单许多.注意,后向弧只是概念上的,在程序中后向弧与前向弧并无区别.,增广路,增广路定义：在残量网络中的

5、一条从s通往t的路径，其中任意一条弧(u,v)，都有ru,v0。绿色的即为一条增广路。,v1,t,s,v2,2,3,2,4,2,2,增广路算法,增广路算法：每次用BFS找一条最短的增广路径，然后沿着这条路径修改流量值（实际修改的是残量网络的边权）。当没有增广路时，算法停止，此时的流就是最大流。下面证明增广路算法的正确性.,将f,c,r的定义域扩展为点集,(在以后的叙述中,大写字母X,Y,S,T一般均表示点集)点集间的流量和:f(X,Y)=即:X中的任意一点与Y中的任意一点组成的所有边上的流量之和.(边的方向为从X中的结点到Y中的结点)c,r等函数都有类似的定义.(点集间的容量和、点集间的残量网

6、络容量和),结论1,1.f(X,X)=0(由流量反对称性)2.f(X,Y)=-f(Y,X)(有流量反对称性)3.f(X Y,Z)=f(X,Z)+f(Y,Z)(显然)4.f(X,Y Z)=f(X,Y)+f(X,Z)(显然),最大流最小割定理,网络流中这三个条件等价（在同一个时刻）:1、f是最大流2、残量网络中找不到增广路径3、|f|=c(S,T),1、f是最大流2、残量网络中找不到增广路径3、|f|=c(S,T),1-2证明:显然.假设有增广路径,由于增广路径的容量至少为1,所以用这个增广路径增广过后的流的流量肯定要比f的大,这与f是最大流矛盾.,割的定义,一个割(S,T)由两个点集S,T组成.

7、S+T=Vs 属于 S.t 属于 T.提出割的定义,是为后面的证明作铺垫.,结论2(点集总流量为零),不包含s和t的点集,于它相关联的边上的流量之和为0.证明:f(X,V)=(由流量平衡)=0,结论3,任意割的流量等于整个网络的流量.证明:f(S,T)=f(S,V)f(S,S)(由辅助定理1)=f(S,V)(由辅助定理1)=f(S,V)+f(S s,V)(同上)=f(s,V)(由辅助定理2)=|f|(由|f|的定义),结论4,网络的流量小于等于任意一个割的容量.(注意这个与辅助定理3的区别.这里是容量)即|f|=c(S,T)证明:|f|=f(S,T)=(由定义)=(由流量限制)=c(S,T),

8、2-3证明:定义S=s v|在残量网络中s到v有一条路径;T=V-S.则(S,T)是一个割.|f|=f(S,T)(由辅助定理3)而且,r(S,T)=0.假设不为0,则在残量网络中,两个集合间必定有边相连,设在S的一端为v,在T的一端为u.那么,s就可以通过v到达u,那么根据S的定义,u就应该在S中.矛盾.所以,|f|=f(S,T)=c(S,T)r(S,T)=c(S,T),1、f是最大流2、残量网络中找不到增广路径3、|f|=c(S,T),3-1证明:|f|0),那么|f|+d肯定不能满足上面的条件.,1、f是最大流2、残量网络中找不到增广路径3、|f|=c(S,T),增广路算法的正确性,如果

9、最大流最小割定理不能从2推出3,那么存在这样一种可能性:尽管找不到增广路径了,但由于前面的错误决策,导致f还没有到达最大流,却不能通过修改当前流来得到最大流.但由于最大流最小割定理的三个条件互相等价(1-2,2-3,3-1),一个流是最大流当且仅当它没有增广路径.,增广路算法的效率,设n=|V|,m=|E|每次增广都是一次BFS,效率为O(m)所以,总共的时间复杂度为O(m*f*)其中f*为增广次数.怎么求f*?,f*,对于随机数据,f*的值与n比较接近.当m不太大也不太小时,f*的值较大.(我出随机数据的方法是:固定地为源点和汇点连上一些边,然后随机生成中间的边.中间的边保证边的两个端点的编

10、号相差不太大.这与不少题目转成网络流后形成的图相似),f*的理论上界,考虑每一次增广,至少有一条边的r(u,v)值等于增广路径的流量.称这些边为临界边.增广之后,这条临界边就在残量网络中消失.假设一条临界边对应一次增广(事实上很难达到这样),令每条边成为临界边的次数为k(u,v),则有f*=O(m*k).k的上界?,k的上界,如果要让一条曾经的临界边(u,v)再次成为临界边,则必须有一条增广路径包含边(v,u).因为每次增广之后临界边就消失,要让他再次成为临界边至少要让他再次在残量网络中出现,即(v,u)要被增广.结合上面的结论可以证明,当算法取的增广路总是残量网络中的最短路,任意一条边成为临

11、界边的次数至多为n/2-1.因此,增广路算法的效率为O(f*m)=O(km2)=O(nm2).(这只是个上界,一般情况是达不到的)备注中为增广路算法我的代码实现。数组u是残量网络的容量。,预流推进算法,下面将介绍一个更直观且时间效率更优的算法.,一个直观的想法,如果给你一个网络流,让你手算出它的最大流,你会怎么算?一般人都会尝试着从源点出发,让每条边的流量尽可能得大,然后一点点往汇点推,直到遇到一条比较窄的弧,原先的流量过不去了,这才减少原先的流量.,v1,t,s,v2,(0,2),(4,4),(0,4),(3,3),(0,2),例2.一个直观的想法,大致的思路：从源点出发，逐步推进。称当前状

12、态下不满足流量平衡的结点为“溢出的结点”.(对于结点u,f(V,u)0)令e(u)=f(V,u),称为u点的赢余，直观地描述，就是“流入的比流出的多多少”。e(v1)=4,e(v2)=3。不断将溢出的结点中的赢余往后继点推进,直到赢余都聚集在t.,如果多推了一些流量,我们可以再把它推回来.(如e(v2)=3,但这3个单位的赢余已经没地方去了,只能推回来.)(沿着后向弧)这副图是原网络而不是残量网络,因此没把后项弧画出来),例2.一个直观的想法,程序没有全局观?!,此时e(v2)=3.正确的回推法是往(v2,s)推1,往(v2,v1)推2,然后使得这2个单位的赢余可以从(v1,t)推到t上。但程

13、序没有全局观,它万一往(v2,s)推了3个单位怎么办?我们总不能尝试所有的可能性吧,那样就变成搜索了.,引导机制,把流推错可能导致产生的流不是最大流.我们需要有一个能引导流的推进方向的机制,当它发现我们先前的推进是错误的时候,能沿着正确的后向弧回推回来.由于建立了后向弧,正推与回推在程序中并无却别，都是在推残量网络中的一条边.,高度标号的引导作用,高度标号就是这样的一个引导机制.我们规定,如果一个结点溢出了,那么他的多余的流量只能流向高度标号比自己低的结点.(“水往低处流”)当然,高度标号不可能事先知道往哪些方向推才是正确的.它将按情况动态改变自己的值,从而正确地引导流向.,重标号操作,当一个

14、结点有赢余(溢出了),周围却没有高度比它低的结点时候,我们就用重标号操作使它的标号上升到比周围最低的结点略高一点,使他的赢余能流出去.赢余千万不能困在某个结点里.对于任意一个非源非汇的结点，有赢余就意味着它不满足流量平衡，也就意味着整个网络流不是一个真正合法的网络流。,重标号操作,对于例2的这种情况,v2中过多的赢余最终会沿着(v2,v1)、(v2,s)流回去(虽然他们一开始流错了方向,但后来又被回推,等于说是被改正了)。只有当非源非汇的结点中的赢余全部流到汇点或流回源点后，这个流才重新合法。,高度函数,高度函数h(v)返回一个v的高度标号。高度函数有三个基本条件：h(s)=|V|h(t)=0

15、对于Ef(残量网络)中的每一条边(u,v),(r(u,v)0)h(u)0,那就表示从u到v还可以增加流量,那h(u)就应该比h(v)高才对.的确,我们后面还将规定,只有在h(u)h(v)的时候才能应用推进操作(将一个结点的盈余推进到另一个结点的操作).而高度函数为了满足其合法性,还要满足上述的这三个条件.后面我们将利用这三个条件证明预流推进算法的正确性。,高度函数的条件的实质,h(u)=h(v)+1.这个条件实质上是要求高度不能下降的太快，即水只能在高度相差不多的地方缓缓流过，不能像瀑布一样从很高的地方流到很低的地方。(否则就有流错的危险)这和A*算法中的启发函数必须“相容”的条件类似。h函数

16、的缓慢下降，保证了算法的正确性。后面我们将看到这个条件的作用.,两个关键操作,推进操作(将一个结点的盈余推到另一个结点)重标号操作(更改一个结点的高度值,使其的盈余能朝着更多的地方流动),推进操作,使用对象：一条边(u,v)使用条件：e(u)0，r(u,v)0,h(u)=h(v)+1（u溢出，(u,v)在残量网络中，两者的高度差为1）推进量为e(u)与r(u,v)的最小值。推进时同时更改相关的r与e的值。,推进操作 伪代码,Procedure Push(u,v)X min e(u),r(u,v)Dec(r(u,v),x)Inc(r(v,u),x)Dec(e(u),x)Inc(e(v),x),重

17、标号操作,使用对象：一个结点u使用条件：结点u溢出；残量网络中周围所有的点的高度都不比它低。Relabel(u)u(u)=min h(v)|(u,v)是残量网络总的边+1使用了重标号操作后,至少存在一个(u,v)满足h(u)=h(v)+1.,预流初始化(Init-Preflow),一开始的时候，我们要让和源点s相关连的边都尽可能的充满。但由于s没有溢出，不符合推进操作的使用条件，我们需要另写一段初始化的代码。还得做的一件事是初始化高度函数.h(s)=n h(v)=0(vs)对于所有与s相关联的点v，Inc(e(v),c(s,v),Dec(e(s),c(s,v)将边(s,v)反向，变成(v,s)

18、（在残量网络中）。初始化过后，e(s)变成负数。,结论5,对于一个溢出的结点，两个关键操作（推进和重标号）能且只能应用一个。证明：对于一个溢出的结点u,和所有与他相关联的点v(u,v)在残量网络中存在),必然有h(u)=h(v)+1.(由高度函数的定义).根据v分成两种情况:1).所有v都有h(u)h(v)+1 2).至少存在一个v,使得h(u)=h(v)+1.而1)2)互为否命题,不能同时成立或同时不成立.那么1)对应重标号,2)对应推进,两者必能应用一个且只能应用一个.,一般的预流推进算法,由辅助定理5,得到了一个一般的预流推进算法.(好短)Init-PreflowWhile 存在一个溢出

19、的结点选一个结点,应用相应的关键操作(推进或重标号).当不存在溢出结点时(s,t不算),算法结束,得到一个可行流,并且还是最大流.,预流推进算法的正确性,预流只是不满足流量平衡,网络流的前两条性质-容量限制和反对称性它还是满足的.当不存在溢出结点时,流量平衡也满足了.所以,当算法结束时,我们得到一个可行流(合法流).为什么他是一个最大流呢?下面先看几个结论:,结论6(结点高度永不下降),只有重标号操作能更改结点的高度标号.在重标号操作应用前,必有h(u)=h(u)+1.所以,在重标号操作后,高度标号至少+1.,结论7,在算法执行过程中,h始终是一个合法的高度函数.(满足那三个条件)1).考察一

20、个被重标号的结点u.设(u,v)存在于Ef,v0是所有v中h最小的一个.H(u)=h(v0)+1,满足h(u)=h(v0)+1,而h(v0)=h(v),所以 h(u)=h(v)+1.设(w,u)存在于Ef,则h(w)=h(u)+1=h(u)+1.仍旧满足.,结论7,在算法执行过程中,h始终是一个合法的高度函数.(满足那三个条件)2).考察一个被推进的边(u,v).(v,u)可能是在这次推进之后才出现在Ef中.它的出现使得新增了一个限制条件:h(v)=h(u)+1.不过,这显然是满足的,因为推进操作的使用条件是h(u)=h(v)+1.那么h(v)=h(u)-1=h(u)+1,结论8(预流中无增广

21、路),当h是一个合法的高度函数时,Gf中始终不存在增广路.(这个定理展示了h的条件的重要性和巧妙性)证明:假设存在增广路p=(v0,v1,vk),其中v0=s,vk=t.因为增广路径中无重复点,k+1=|V|,即k|V|.,结论8(预流中无增广路),相加得:h(s)=h(t)+k=0+k=k而k|V|,所以h(s)|V|.而根据定义,h(s)=|V|.矛盾.,预流推进算法的正确性,当有溢出结点时,根据结论5,必定可以在它上面施加一个操作.当算法停止时,因为无溢出结点,所以当前流是一个合法流,而根据结论8,Gf中始终不存在增广路.根据最大流最小割定理,当Gf中不存在增广路时,当前流是最大流.(算

22、法执行了一半时虽然也没有增广路,但由于它不是一个合法流,前面的诸多定理都不成立).算法的最优性的保证者:对于所有在Ef中的(v,u),均有h(v)=h(u)+1,更好的预流推进算法,前面的一般预流推进算法可以实现为O(n4).其瓶颈是非饱和推进.(非饱和推进是指在推进之后仍旧没有使(u,v)消失的推进.)通过恰当地安排关键操作的顺序,可以使总的推进(主要是非饱和推进)和重标号的次数减少.接下来的relabel-to-front算法就用了这个思想.,Relabel-to-front,relabel-to-front算法维护一个结点列表,然后依次检查列表中的结点.检查的过程就是:一口气将所有的赢余

23、推给周围的人.如果在检查的时候这个结点被relabel了,那么他就被移到整个列表的最首部,并且重新从列表首部开始检查结点.通过这样恰当地安排操作顺序(一次性把某个结点所有的赢余全部推掉),复杂度降到了O(n3).,一些定义,如果满足下面的两个条件,称(u,v)为可行弧:r(u,v)0h(u)=h(v)+1可行边集Ef,h:所有由可行弧组成的集合。可行网络Gf,h=(V,Ef,h),结论9,10,结论9:可行网络中无环.(和结论8的证明类似,弄一堆式子然后叠加一下,导出矛盾)结论10:推进操作永远不会新增可行弧,却可能使原有的可行弧消失.(根据可行弧的定义显然),结论11,在u被重标号之后:1)

24、.至少有一条可行弧离开u.显然.设v0是u的邻居中h值最小的那一个,则(u,v0)必定是一条可行弧.2).不可能有可行弧进入u.假设有一条(w,u).则h(w)=h(u)+1.根据辅助定理6,relabel操作至少将结点的h+1,所以h(w)h(u)+1.根据高度函数必须满足的条件,(w,u)在relabel前不在Ef中.而relabel操作只改变可行网络不改变残量网络,(w,u)不可能在relabel前存在于Ef而之后就不存在.,当前弧,每个结点有一个邻居列表和有一个“当前弧”的指针,保存当前检查到邻居列表中的哪一条弧了。初始化时,“当前弧”指向与该结点相连的第一条边.邻居列表保存的是所有可

25、能成为可行弧的弧.当再次调用检查操作时,可以从上一次检查了一半的地方继续检查.具体请看下面检查操作的伪代码:,检查操作,Check(u)While e(u)0 doIf current(u)degree(u)then/当没有可行弧可以推进,该结点却仍旧有赢余时,重标号.Relabel(u)Current(u)=1ElseIf(u,current(u)是一条可行弧 then Push(u,current(u)/push了之后就不能增加 current(u)的值.因为这如果是一次非饱和推进,那再下一次检查时还是可以沿着这条弧做推进.Else Inc(current(u),当前弧的正确性,Curre

26、nt是全局变量,当某次Check操作结束时他的值并没有被清空.比如结点u有10个邻居,上次检查到第7个,那再一次Check(u)的时候就只要从第7个开始检查就可以了。为什么再一次检查的时候不要检查第1-6条边了?能否证明在再一次检查的时候他们一定不是可行弧?,当前弧的正确性,在relabel-to-front算法中,relabel只被Check调用.当“当前弧”移动时,移动前它指向的那条弧一定是不可行的.而推进操作不能创造可行弧.只有relabel可以.两次Check之间没有relabel操作.所以原先的不可行的弧在第二次Check之前一直是不可行的.,Relabel-to-front,Ini

27、t-Preflow初始化结点(除s,t)列表L(任何顺序均可)令所有u,Current(u)=1u HeadLWhile u nil doOld-height h(u)Check(u)If h(u)old-height then 将u移到L首部/如果h(u)比原先的h高了,说明被relabel,移到队首.u next(u),图例(初始状态.结点下方数字为赢余,N显示的是邻居列表,N中红色的是当前弧指针所在的位置.),图例:x被检查并重标号,并被提到L的首部(等于没提).注意当前弧的指针移到了t.x的所有赢余推给了y和t.,S-26,x0,y19,z0,t7,6543210,(12/12),(1

28、4/14),(7/16),(0/7),(5,5),(0,8),(0,10),图例:y正在被检查.将8单位的赢余推给z之后还是有剩余.,S-26,x0,y11,z8,t7,6543210,(12/12),(14/14),(7/16),(0/7),(5,5),(8,8),(0,10),图例:一次必须把赢余全部推光.所以y被重标号,当前弧指针从头开始查找,找到(y,x)这条可行弧之后进行推进.实际上是把多推的赢余还给了x.因为h(u)=h(v)+1的保证,它没有把赢余错推给s.,S-26,x5,y6,z8,t7,6543210,(12/12),(14/14),(7/16),(0/7),(0,5),(

29、8,8),(0,10),图例:y还是有赢余.当当前弧移动到另局列表的尾部时,y再一次被重标号,并把赢余还给s.检查结束,y被提到L列表的首部.,S-20,x5,y0,z8,t7,6543210,(12/12),(8/14),(7/16),(0/7),(0,5),(8,8),(0,10),图例:检查x.注意x的当前弧指针已经指在t上了.x把赢余推给t.u指针直接后移.(因为x没有被重标号),S-20,x0,y0,z8,t12,6543210,(12/12),(8/14),(12/16),(0/7),(0,5),(8,8),(0,10),图例:z被检查并被提到列表首部.,S-20,x0,y0,z0

30、,t20,6543210,(12/12),(8/14),(12/16),(0/7),(0,5),(8,8),(8,10),图例:u指针从y开始向后移动,直到队尾也没有发现可以检查的结点(只有溢出的结点才能被检查).算法结束.,relabel-to-front的正确性,前面我们已经证明了一般预流推进算法的正确性了.因此,现在只要证明,在relabel-to-front算法结束时,一般预流推进算法的结束条件也正好被满足-即没有溢出的结点.,结论11:L始终拓扑有序,对于G上的可行网络Gf,h,列表L中的结点始终保持拓扑有序性.一开始的时候,列表中所有结点(s,t不在列表中)的高度均为0,不存在高度

31、差,所以不存在可行弧.这时列表显然拓扑有序.一个结点被relabel之后,就被提到列表的首部.根据辅助定理11,relabel之后没有可行弧进入结点,但有可行弧离开结点,所以将结点提到列表首部仍旧使列表满足拓扑有序.推进操作不能创造可行弧,因此与列表的拓扑有序性无关.,结论12,L中指针u之前的结点全部是非溢出结点.当一个结点被检查之后,它必定没有赢余,因此将u指针后移不影响上面的性质.它自己没有赢余了,但它却可能将赢余推给了别人.如果推给在L中位置在它后面的结点不要紧.但如果它把赢余推给了在自己之前的结点呢?因为L拓扑有序,他若把赢余推给了排在自己前面的结点,则必定发生了relabel操作.

32、而如果有relabel,则它已经被提到列表的首部了.性质依然满足.这就是算法名:relabel-to-front的由来.,Relabel-to-front,根据一般的预流推进算法,当没有溢出结点时算法就结束并得到一个最大流.而relabel-to-front算法的结束条件是u指针指向L队列尾部.根据辅助定理12,u以前的结点均非溢出结点.所以当u指向尾部时,所有的结点均没有溢出.另外可以证明,算法的复杂度为O(n3).,Highest-relabel,还可以改进.经验表明,总是检查高度标号最大的结点，会有比较好的效率.于是对Relabel-to-front进行了一点小修改,得到了highest

33、-relabel算法.,分块的L列表,可以证明,任意结点的最大的距离标号为2n-1.将L列表分成2n个块,第1块保存所有高度为0的点,第i+1块保存高度为I的所有结点.从最后一块开始往前找,发现一个不为空的块就把这个块里的结点全部检查掉.如果有元素被重标号了,那就将他移动到新的块里,并从那个新的块的前面开始继续往下查找.,分块的L列表,对于可行网络,分块L列表是拓扑有序的.因为可行弧(u,v)要求h(u)=h(v)+1,即只有从标号高的结点指向标号低的结点.既只有从后面的块里的结点指向前面的块里的结点.所以,这种分块方法仍然保持了整个列表的拓扑有序性.因此,算法结束时没有溢出的结点.因此该算法

34、是正确的.,分块L列表的实现,如果用链表，可以只占用O(n)的空间。在内存不紧张的情况下，也完全可以用无序数组，时间效率不比链表差,虽然空间是O(n2)的.无序数组在删除的时候，可以用:Delete(i)ai anDec(n),更多的改进,回顾一下上面两个算法的正确性:1).h是一个合法的高度函数 Gf不存在增广路2).同一结点h值保证递增 重标号后没有可行弧进入结点 列表L永远拓扑有序Relabel-to-front(highest-relabel)算法正确.也就是说,只要满足1).2).两条,h的值具体怎么变化并不重要.,更多的改进,可以发现,每当重标号操作被执行,该结点的当前弧的位置就被

35、重置,同时这个结点被往前提,然后这个结点后面的结点又全部得被检查一遍.也就是说,每次重标号操作都很新产生很多工作,我们应该尽量减少重标号的次数.而h值的具体变化规则不影响正确性.于是,我们希望h值能增长得快一点.(在满足h函数的合法性和单调递增性的情况下),BFS预处理,从前面的图例中可以发现,有些结点根本没做什么事,第一件事就是重标号.我们希望可以将事先将他们的初始标号算好,从而减小重标号次数.从汇点t开始做BFS,将经过的结点(s除外)的高度标号预设为该结点到t的最短路径.可以证明,用这个预处理优化过的算法仍然是正确的.,如图所示的残量网络.因为我们希望h增长得尽量快,因此想象在图的底部有

36、风在从低往高吹.,s,v1,v4,v3,t,6543210,v2,v5,但是直接吹是吹不动的.残量网络中的每一条边都是一层限制(从高处指向低处的边才是限制.从低到高的边暂时是没有限制作用的),牢牢地将结点捆住至多把v2和v3吹到高度为6的位置上.,s,v1,v4,v3,t,6543210,v2,v5,如果v4向t作了一次饱和推进,导致(v4,t)消失,这时我们发现,v1,v5,v2,v3,v4都几乎属于完全自由的状态!,s,v1,v4,v3,t,6543210,v2,v5,v1,v5,v2,v3,v4都可以上升到高度6,而不影响h的合法性和递增性.重标号操作被大大减少.(注意,(t,v4)是从

37、低到高的边,没有限制作用),s,v1,v4,v3,t,6543210,v2,v5,间隙优化:如果(0,s)之间的某个高度l不存在任何结点,那么处在(l,s)之间的所有结点都失去了原先的限制,可以让他们全部移到s+1的高度而不失正确性.,s,v1,v4,v3,t,6543210,v2,v5,间隙优化,间隙优化十分有用。在具体实现时有惊人的效果。正好，在Highest-relabel算法中，我们按结点的高度分成了2n个块，只要顺便观察一下，如果有某个块为空了，那么立即应用间隙优化即可。在某次Check操作结束后查看被检查的结点原先所在的块是否为空。备注中为我的Highest-relabel算法的代码(带BFS预处理和间隙优化)(150行),效率测试(时间单位:s)(忽略了读数据的时间),