关键割边就是增加某条边的容量,使得网络的最大流增加。
步骤:
1. 求最大流,得到残余网络。
2. 在残余图上从s点出发dfs,得到割边(a,b)。
3. 从t点出发反向dfs,得到所有能到达t的点。
4. 对于某条割边(a,b),若b能到达t,则该边为关键割边。(因为从s到t的路径上只有这一条割边,增加这条割边,肯定可以增加流量)。
例:POJ3024
题意:找关键割边数量。
#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
const int INF = 0x7fffffff;
const int maxv = 505;
const int maxe = 5005*2;
int n,m;
int col[maxv];
bool vis[maxv];
//
struct Edge
{
int v;
int next;
int flow;
};
Edge e[maxe];
int head[maxv],edgeNum;
int now[maxv],d[maxv],vh[maxv],pre[maxv],preh[maxv];
void addEdge(int a,int b,int c)
{
e[edgeNum].v = b;
e[edgeNum].flow = c;
e[edgeNum].next = head[a];
head[a] = edgeNum++;
e[edgeNum].v = a;
e[edgeNum].flow = 0;
e[edgeNum].next = head[b];
head[b] = edgeNum++;
}
void Init()
{
edgeNum = 0;
memset(head,-1,sizeof(head));
memset(d,0,sizeof(d));
}
int sap(int s,int t,int n) //源点,汇点,结点总数
{
int i,x,y;
int f,ans = 0;
for(i = 0; i < n; i++)
now[i] = head[i];
vh[0] = n;
x = s;
while(d[s] < n)
{
for(i = now[x]; i != -1; i = e[i].next)
if(e[i].flow > 0 && d[y=e[i].v] + 1 == d[x])
break;
if(i != -1)
{
now[x] = preh[y] = i;
pre[y] = x;
if((x=y) == t)
{
for(f = INF,i=t; i != s; i = pre[i])
if(e[preh[i]].flow < f)
f = e[preh[i]].flow;
ans += f;
do
{
e[preh[x]].flow -= f;
e[preh[x]^1].flow += f;
x = pre[x];
}while(x!=s);
}
}
else
{
if(!--vh[d[x]])
break;
d[x] = n;
for(i=now[x]=head[x]; i != -1; i = e[i].next)
{
if(e[i].flow > 0 && d[x] > d[e[i].v] + 1)
{
now[x] = i;
d[x] = d[e[i].v] + 1;
}
}
++vh[d[x]];
if(x != s)
x = pre[x];
}
}
return ans;
}
void minmGe(int x)
{
col[x] = 1;
for(int i = head[x]; i != -1; i = e[i].next)
{
int to = e[i].v;
if(e[i].flow > 0 && !col[to])
minmGe(to);
}
}
//
void dfs(int now)
{
vis[now] = true;
for(int i = head[now]; i != -1; i = e[i].next)
{
if(i%2==0)
continue;
int to = e[i].v;
if(e[i^1].flow>0&&!vis[to])
dfs(to);
}
}
int main()
{
int i,j;
int from,to,c;
Init();
memset(col,0,sizeof(col));
memset(vis,0,sizeof(vis));
scanf("%d %d",&n,&m);
for(i = 0; i < m; i++)
{
scanf("%d %d %d",&from,&to,&c);
addEdge(from,to,c);
}
sap(0,n-1,n);
minmGe(0);
int result = 0;
dfs(n-1);
for(i = 0; i < n; i++)
{
if(!col[i])
continue;
for(j = head[i]; j != -1; j = e[j].next)
{
int to = e[j].v;
if(j%2==0 && col[to]==0 && vis[to])
result++;
}
}
printf("%d\n",result++);
return 0;
}
分享到:
相关推荐
关键词“1-因子”,“3-正则图”,“Tutte定理”,“割边”分别代表了文章的主要研究对象、图的类别、理论依据和研究的关键概念。 在引言部分,作者提到图的1-因子理论是图论中较为重要的研究分支,并指出了本研究...
最小割则是在网络中找到一个分割源和汇的边集合,其总容量最小,且移除这个边集合后,源节点无法向汇节点发送任何流量。 在图割方法中,每个像素被视为图中的一个节点,像素间的匹配可能性作为边的容量。通过运行...
在图论领域中,割点(也称为关键点)和割边(也称为桥)是两个重要的概念。一个割点是指如果删除该点及其相关的边,整个图就会变得不连通。而割边则是指如果删除这条边,整个图也会变得不连通。 #### 割点与割边的...
在图的分析中,点割集、边割集、割点、桥、连通度和双连通分支是关键概念,它们帮助我们理解图的结构特性。 1. **点割集**: 点割集V是图G中的一组顶点,当这些顶点及其关联的边被删除时,会导致图G不连通。但若仅...
图割是一种在图论中广泛使用的数学方法,用于解决各种优化问题,特别是在计算机科学和人工智能领域有着重要应用。...对于计算机科学和相关领域的专业人士来说,理解和运用图割是提升解决问题能力的关键一步。
图通常代表像素之间的相似度或连接关系,割边的权重则反映了像素归属不同区域的成本。 **最大流(Maximum Flow)**: 最大流问题是一个经典的网络流问题,旨在在一个有向图中找到最大的流量从源节点到汇点,而不...
Karger's算法是一种随机化算法,通过随机合并图中的边,直到只剩下一个连通分量,这个过程可以多次重复以提高找到最小割的概率。在蒙特卡洛模拟中,我们可以通过大量重复运行Karger's算法,统计结果,最终找出最小割...
`GCoptimization.cpp`可能包含了图割优化的具体实现,它可能包括了初始化图、设置边权重、运行最大流算法以及后处理等步骤。`example.cpp`可能是展示如何使用该库进行多标签图割的示例代码。 `graph.cpp`和`graph.h...
最小割的值定义为割中所有边的流量之和,即割的容量。最小割问题就是找到这样一个割,它的容量是最小的。有趣的是,图的最大流值等于最小割的值,这是由最大流最小割定理保证的。 在图像处理中,图割算法常被用于...
割圆术,又称穷竭法,是古代数学中求解圆周率π的一种方法,它通过不断将圆内接或外切多边形的边数增加来逼近圆的周长,进而逐步接近圆周率π的值。在MATLAB中实现割圆术,可以直观地演示这一过程,并通过计算得出π...
最小割是在网络中找到一个分割源和汇的割集,使得割集中边的总容量最小。最大流与最小割定理表明,一个网络的最大流值等于其最小割的容量,这为我们在实际问题中求解最小割提供了便捷途径。 在描述中提到的分类问题...
最后,通过最小割算法求解,答案可以通过计算割边的总容量减去所有点的点权的两倍得出。 总的来说,最小割模型在信息学竞赛中的应用体现了理论与实际问题的结合,它不仅展示了如何巧妙地构建数学模型解决实际问题,...
在配电网可靠性评估中,最小割集被用来识别导致系统失效的关键边集,即最小割集。通过计算这些割集,可以预测系统在不同故障情况下的表现。例如,在图论中,一个无向图G(V,E)的最小割集是使得源点s到汇点t没有...
这些算法通过寻找最小割集来分割图,最小割集即为分割前后两部分的边权重之和最小的集合。 4. **获取分割结果**:经过图割算法,图像会被分割成两个或多个连通区域,每个区域代表图像的一个对象或背景。 5. **后...
这个定理揭示了最大流问题的一个关键性质,也是图割方法的基础。 #### 六、残余网络 残余网络是与原网络关联的一个加权有向图,它具有相同的顶点集合,但是每条边的权重 w 表示在当前流的基础上,还可以增加的额外...
最小割对应的边集定义了分割边界。 5. **后处理**:根据最小割结果,进行后处理操作,如细化边界、去除小连通组件等,以优化分割效果。 在MATLAB代码`cpmc.m`中,可能包含了上述步骤的实现。代码通常会定义函数...