====== Dinic 算法 ====== **Dinic 算法** 可用于求解网络最大流问题。 **Dinic 算法** 的过程是这样的:每次增广前,我们先用 BFS 来将图分层。设源点的层数为 $0$,那么一个点的层数便是它离源点的最近距离。 通过分层,我们可以干两件事情: - 如果不存在到汇点的增广路(即汇点的层数不存在),我们即可停止增广。 - 确保我们找到的增广路是最短的。(原因见下文) 接下来是 DFS 找增广路的过程。 我们每次找增广路的时候,都只找比当前层数多 $1$ 的点进行增广(这样就可以确保我们找到的增广路是最短的)。 Dinic 算法有两个优化: - **多路增广**:每次找到一条增广路的时候,如果残余流量没有用完怎么办呢?我们可以再找出一条增广路。这样就可以在一次 DFS 中找出多条增广路,大大提高了算法的效率。 - **当前弧优化**:如果一条边已经被增广过,那么它就没有可能被增广第二次。那么,我们下一次进行增广的时候,就可以不必再走那些已经被增广过的边。 设点数为 $n$,边数为 $m$,那么 Dinic 算法的时间复杂度(在应用上面两个优化的前提下)是 $O(n^2m)$,在稀疏图上效率和 EK 算法相当,但在稠密图上效率要比 EK 算法高很多。 特别地,在求解二分图最大匹配问题时,可以证明 Dinic 算法的时间复杂度是 $O(m\sqrt n)$。 模板题: [[https://www.luogu.com.cn/problem/P3376|P3376 【模板】网络最大流]] 参考代码: #include using namespace std; typedef long long ll; const int N=205,M=1e4+5; const ll INF=0x3f3f3f3f; int tot=1,head[N],cur[N],to[M],nxt[M],level[N]; ll val[M];//剩余容量 bool vis[N]; void add(int u,int v,ll c){ nxt[++tot]=head[u]; head[u]=tot; to[tot]=v; val[tot]=c; } void addedge(int u,int v,ll c){ add(u,v,c); add(v,u,0); } bool BFS(int s,int t){ memset(vis,0,sizeof(vis)); queueque; que.push(s); level[s]=0; vis[s]=1; cur[s]=head[s]; while(!que.empty()){ int u=que.front(); que.pop(); for(int i=head[u];i;i=nxt[i]){ int v=to[i]; if(!vis[v]&&val[i]>0){ vis[v]=1; level[v]=level[u]+1; cur[v]=head[v]; que.push(v); if(v==t) return true; } } } return vis[t]; } ll DFS(int u,ll ret,int s,int t){ if(u==t||ret==0) return ret;//ret 表示 S 到这里最多能流入的流量 ll Flow=0,f;//Flow 表示经过该点的所有流量和(相当于流出的总量);f 表示当前最小的剩余容量 for(int i=cur[u];i&&ret;i=nxt[i]){ cur[u]=i;//当前弧优化 int v=to[i]; if(level[u]+1==level[v]&&val[i]>0){ f=DFS(v,min(ret,val[i]),s,t); if(f==0) vis[v]=0; val[i]-=f; val[i^1]+=f; Flow+=f; ret-=f; } } return Flow;//返回实际使用的流量 } ll Dinic(int s,int t){ ll Flow=0; while(BFS(s,t)){ Flow+=DFS(s,INF,s,t); } return Flow; } int main(){ int n,m,s,t; scanf("%d %d %d %d",&n,&m,&s,&t); for(int i=1;i<=m;i++){ int u,v; ll c; scanf("%d %d %lld",&u,&v,&c); addedge(u,v,c); } printf("%lld",Dinic(s,t)); return 0; } ===== 参考链接 ===== [[https://oi-wiki.org/graph/flow/max-flow/|OI Wiki]]