网络流算法Push-relabel的Python实现
网络流算法Push-relabel的Python实现
网络流的背景我就不多说了，就是在一个有向图中找出最大的流量，有意思的是，该问题的对偶问题为最小割，找到一种切分，使得图的两边的流通量最小，而且通常对偶问题是原问题的一个下界，但最小割正好等于最大流，即切割的边就是最大流中各个path饱和边的一个组合。说得可能比较含糊，这里想要了解清楚还是查阅相关资料吧。
最大流最原始最经典的解法就是FF算法，算法复杂度为O(mC)，C为边的容量的总和，m为边数。而今天讲的Push-relabel算法是90年代提出的高效算法，复杂度为O(n^3)，其实网络流最关键的步骤就是添加反向边，得出剩余图。而其他的改进就是为了在寻找增广路径时尽可能贪心，流量尽可能大。
好了，开始讲Push-relabel的主要思想，首先构造一个函数excess，代表每个节点保存的流量，就是等于该节点的入流量-出流量，正常来说，s的保存流量为负，t的保存流量为正，其他节点的保存流量均为0，而算法的最终目标就是这个，此外还定义一个height函数（h），表示每个节点的高度。然后，初始化过程是，h(s)=n，h(v)=0，对于所有不为s的节点，f(s, u)=c(s, u)，对于所有从s出发的边都默认饱和，这是上界。接着，就是Push-relabel的过程了，首先遍历图中所有节点，如果存在非t的且excess大于0的节点v，则查看v出发的所有边（v, w），如果h(v)>h(w)，则可以将label，即excess的流量，传递给w，如果该边为正向边，传的大小为bottleneck=min{excess(v), c(v,w) - f(v, w)}，否则bottleneck=min{excess(v), f(v, w)}，传完之后，继续寻找excess大于0的节点，注意，如果v有边，但所有边都是h(v)<h(w)，则将v的高度提升1，继续寻找。
源代码如下：
注意图的输入格式需满足DIMACS格式。
__author__ = 'xanxus'
nodeNum, edgeNum = 0, 0
arcs = []
class Arc(object):
def __init__(self):
self.src = -1
self.dst = -1
self.cap = -1
s, t = -1, -1
with open('sample.dimacs') as f:
for line in f.readlines():
line = line.strip()
if line.startswith('p'):
tokens = line.split(' ')
nodeNum = int(tokens[2])
edgeNum = tokens[3]
if line.startswith('n'):
tokens = line.split(' ')
if tokens[2] == 's':
s = int(tokens[1])
if tokens[2] == 't':
t = int(tokens[1])
if line.startswith('a'):
tokens = line.split(' ')
arc = Arc()
arc.src = int(tokens[1])
arc.dst = int(tokens[2])
arc.cap = int(tokens[3])
arcs.append(arc)
nodes = [-1] * nodeNum
for i in range(s, t + 1):
nodes[i - s] = i
adjacent_matrix = [[0 for i in range(nodeNum)] for j in range(nodeNum)]
forward_matrix = [[0 for i in range(nodeNum)] for j in range(nodeNum)]
for arc in arcs:
adjacent_matrix[arc.src - s][arc.dst - s] = arc.cap
forward_matrix[arc.src - s][arc.dst - s] = arc.cap
flow_matrix = [[0 for i in range(nodeNum)] for j in range(nodeNum)]
height = [0] * nodeNum
height[0] = nodeNum
for i in range(len(adjacent_matrix)):
flow_matrix[0][i] = adjacent_matrix[0][i]
adjacent_matrix[0][i] = 0
adjacent_matrix[i][0] = flow_matrix[0][i]
def excess(v):
in_flow, out_flow = 0, 0
for i in range(len(flow_matrix)):
in_flow += flow_matrix[i][v]
out_flow += flow_matrix[v][i]
return in_flow - out_flow
def exist_excess():
for v in range(len(flow_matrix)):
if excess(v) > 0 and v != t - s:
return v
return None
v = exist_excess()
while v:
has_lower_height = False
for j in range(len(adjacent_matrix)):
if adjacent_matrix[v][j] != 0 and height[v] > height[j]:
has_lower_height = True
if forward_matrix[v][j] != 0:
bottleneck = min([excess(v), adjacent_matrix[v][j]])
flow_matrix[v][j] += bottleneck
adjacent_matrix[v][j] -= bottleneck
adjacent_matrix[j][v] += bottleneck
else:
bottleneck = min([excess(v), flow_matrix[j][v]])
flow_matrix[j][v] -= bottleneck
adjacent_matrix[v][j] -= bottleneck
adjacent_matrix[j][v] += bottleneck
if not has_lower_height:
height[v] += 1
v = exist_excess()
for arc in arcs:
print 'f %d %d %d' % (arc.src, arc.dst, flow_matrix[arc.src - s][arc.dst - s])希望对大家有所帮助。