首页 > 其他分享 >Flow(网络流 written on 4.29)

Flow(网络流 written on 4.29)

时间:2024-04-29 22:14:28浏览次数:30  
标签:匹配 sum Flow 网络 汇点 净流量 4.29 written 流量

前言

Class taken on 4.2

Written on 4.29

Flow

解决问题类

网络流是用有向图每条边来模拟流动,有流量限制的情况下,求解最大流量(有时以及最小费用)的问题。

同时也是将各类问题(尤其匹配问题)通过建模为网络流来用网络流算法求解的一个方法。

解决问题的一般特点:

  • 数据范围不大不小,\(n\) 在 \(10^3\) 到 \(10^4\) 量级。

  • 偏向匹配相关(如一个位置匹配一个人,一条边匹配一条路径之类的)的问题。

  • 偏向分配相关(如把一些人分成两组满足什么关系有代价,问最小代价)一类

常见最大流,最小割,最小费用最大流问题。

概念

网络(network)是指一个特殊的有向图 \(G=(V,E)\),其与一般有向图的不同之处在于有容量和源汇点。

\(E\) 中的每条边 \((u, v)\) 都有一个被称为容量(capacity)的权值,记作 \(c(u, v)\)。当 \((u,v)\notin E\) 时,可以假定 \(c(u,v)=0\)。

\(V\) 中有两个特殊的点:源点(source)\(s\) 和汇点(sink)\(t\)(s \neq t)。

对于网络 \(G=(V, E)\),流(flow)是一个从边集 \(E\) 到整数集或实数集的函数,其满足以下性质。

容量限制:对于每条边,流经该边的流量不得超过该边的容量,即 \(0 \leq f(u,v) \leq c(u,v)\);
流守恒性:除源汇点外,任意结点 \(u\) 的净流量为 0。其中,我们定义 \(u\) 的净流量为 \(f(u) = \sum_{x \in V} f(u, x) - \sum_{x \in V} f(x, u)\)。
对于网络 \(G = (V, E)\) 和其上的流 \(f\),我们定义 \(f\) 的流量 \(|f|\) 为 s 的净流量 \(f(s)\)。作为流守恒性的推论,这也等于 \(t\) 的净流量的相反数 \(-f(t)\)。

对于网络 G = (V, E),如果 {S, T} 是 V 的划分(即 S \cup T = V 且 S \cap T = \varnothing),且满足 s \in S, t \in T,则我们称 {S, T} 是 G 的一个 s-t 割(cut)。我们定义 s-t 割 {S, T} 的容量为 ||S, T|| = \sum_{u \in S} \sum_{v \in T} c(u, v)。

问题 1:最大流问题

给定图,求解这张图的合法流中流量最大的。

经典建模:二分图最大匹配。

建立超级源点向左侧全连流量为 \(1\) 的边,超级汇点向右侧全连流量为 \(1\) 的边(超级源点和超级汇点也是网络流题目必备套路,所有题都要用),表示每个点只参与一次匹配。

将图中出现的其他边每条流量设置为 \(1\) 表示每条边可以且仅可以参加一次匹配。

跑最大流就是最大匹配数。

标签:匹配,sum,Flow,网络,汇点,净流量,4.29,written,流量
From: https://www.cnblogs.com/FunStrawberry/p/18166732

相关文章

  • 闲话 4.29:伯特兰定理及另一道题
    伯特兰公设任意\(\ge4\)的正整数\(n\)满足:存在一个质数\(p\in(n,2n)\)。以下\(p\)均取质数,\(p_i\)表示第\(i\)个质数。引理1:\[\prod_{p\len}p\le4^n,n>1\]首先有一个想法:\[\ln\prod_{p\len}p\le\pi(n)\lnn\simn\len\ln4\]这些放缩是相当松的,因为......
  • 2024.4.29
    2024.4.29【锦水汤汤,与君长诀!】Monday三月二十一数论专题同余oi.wiki!除法定理对于任何整数a,和正整数m,存在唯一整数q,r,使得满足\(0\ler<m,a=qm+r\)其中$$q=\lfloor\frac{a}{m}\rfloor$$为商,\(r=a\mod\m\)为余数余数将amodm记作余数同余如果\(a\mo......
  • 4.29 包机制、Scanner
    1.包机制包相当于操作系统的文件夹src下新建包2.JavaDoc/**+Enter生成文档注解3.Scanner补充:sout是System.out.println的快捷键4用scanenr写一个小例子//输入多个数字,并求其总和与平均数,每输入1个数字用回车确认,通过输入非数字来结束输入并输出总和和平均数`......
  • 效率工具RunFlow完全手册之局域网传输篇
    本篇将向您介绍如何使用RunFlow在局域网(又称内网)内传输文件,同步剪贴板,无论是家庭局域网还是办公室局域网,都能轻松搞定文件传输以及剪贴板同步,如果您还没有安装RunFlow,可点这里去下载。为什么不推荐使用微信、QQ、钉钉、飞书等传输文件,要使用局域网传输呢?1.私密,文件和剪贴板都是......
  • A written script
    In221BCE,I-QinshihuangbecametheFirstEmperorofChina.AstorytellertoldmeaninterestingtaleaboutNuwa,theGreatMother Goddess.Thenanideaappearedinmymind.Iwas determined tofindtheloststone.Soitwouldhelpmebuildastrongempi......
  • Flowable流程设计器
    Flowable在7.x的版本就不提供流程设计器UI,为了广大流程爱好者能更好的使用Flowable,开发了一套完全适配Flowable的bpmnjs的流程设计流程设计器支持开始事件(空开始,时间开始,信号开始,消息开始)支持结束事件(空结束,终止结束,取消结束,错误结束)支持边界事件(信号,消息,时间,空,补偿,错误,非中断......
  • 论文笔记-Non-intrusive classification of gas-liquid flow regimes in an S-shaped
    目标:使用深度神经网络对S形立管中的流态进行分类该分类器与四种传统的机器学习分类器进行了比较:即AdaBoost分类器、bagging分类器、额外树分类器和决策树分类器小波分析在流态分类中的应用可以有效地提取多相流行为的特征。使用信号处理方法进行流态分类,包括峰值点计数、......
  • 论文笔记-Machine learning based flow regime recognition in helically coiled tube
    对象:进行了螺旋线圈中的自动两相流模式识别方法:X射线照相的空隙率测量数据+聚类+KNN、RF、SVM目标:模式识别关注特征:结果:聚类分类:模型是随机森林(RF)分类器、KNN分类器和SVM(参见第1节)。为了优化超参数并估计分类器精度,所有模型均采用嵌套5×5交叉验证方案,如图1所示。......
  • 论文笔记-Modeling of dynamic characteristic of particle in transient gas–solid
    对象:气固两相流+数值模拟方法:RCNN=RNN+CNN目标:学习颗粒流的时间和空间不均匀性并预测颗粒动态关注特征:关注颗粒不均匀性对颗粒动力学的独特影响,旨在提出一种基于机器学习的方法来建模颗粒不均匀性和颗粒动力学之间的映射结果:R-CNN模型的预测精度用1-9个时间步长(即1-9ms)的各......
  • 论文笔记-Two-phase flow regime identification based on the liquid-phase velocity
    对象:液相速度信息方法:CNN、LSTM、SVM目标:实现了水平管道内两相流态识别关注特征:从速度时间序列数据中提取的统计特征:均值、均方根和功率谱密度、最大速度比和最大速度差比结果:SVM-93.1%,CNN-94%,LSTM-不佳73.3%LSTM:总共使用了300秒的速度数据,然后将其分为180秒用于训练和......