用于具有非加权双向边缘的流分辨率的算法的C实现以及具有流容量的节点

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了用于具有非加权双向边缘的流分辨率的算法的C实现以及具有流容量的节点相关的知识,希望对你有一定的参考价值。

我试过查看堆栈溢出来回答我的问题。我找到了那些答案,但他们的解决方案并不适用于我的情况,因为我有非定向边缘。我不能创建一个新的顶点,边缘进入Vin,边缘位于Vout,因为在特定方向没有“进入”或“向外”。

Edmonds-Karp Algorithm for a graph which has nodes with flow capacities

(有一个我无法找到的第二个堆栈问题,但它是相同的答案)

最初的问题

我的问题是我有一个图表,其中节点有容量,所有边都是双向的,我需要找到允许我通过图最大化N个元素流的所有路径。

基本上它是一个容量为1的房间和无限容量的双向边缘。

想象一个迷宫,你可以在隧道中拥有尽可能多的人,但每个房间只有一个人。他们可以在一个回合中从一个房间移动到另一个房间。我怎样才能做到这一点,以便让人们从迷宫的开始到结束都有各种各样的方式,而不需要在同一个房间里有2个人。

执行Edmonds-Karp

我已经设法使用邻接矩阵(它是一个1d的整数数组,使用位来检查是否存在连接)来实现Edmonds-Karp(可能非常糟糕)。

我有3个函数,一个运行算法本身的函数(我正在简化代码,例如删除对mallocs的保护,释放等等......这样算法看起来更好):

  1. 主要算法循环

这是主循环。我试图找到一条增强路径。如果我不这样做,那意味着终端房间(接收器)父节点将是初始值(-1)。否则我应用路径,打印路径并继续。

void edmonds_karp(t_map *map)
{
    t_deque     *deque;
    uint32_t    *flow;
    int64_t     *path;
    t_way       *way;

    flow = ft_memalloc(sizeof(uint32_t) * map->size_rooms);

    while (TRUE)
    {
        deque = ft_deque_create();
        find_augmenting_path(deque, map, &flow, &path);
        if (path[get_end_room(map)->id] == -1)
            break ;
        apply_augmenting_path(map, &flow, path);
        way = build_way_from_path(path, map);
        print_way(way);
        ft_deque_delete(deque);
    }
}
  1. 找到扩充路径

然后有一个函数找到一个扩充路径。我只是使用带队列的BFS,弹出父级,然后检查所有孩子。如果一个孩子有一个前向连接但仍然有容量,我将它添加到路径,标记它被访问并将其推入队列。如果一个孩子有一个向后连接并且流经过它,我将它添加到路径中,标记它被访问并将其推入队列中。

static int64_t  find_augmenting_path(t_deque *deque, t_map *map, uint32_t **flow, int64_t **path)
{
    uint32_t    child_id;
    uint8_t     *visited;
    t_room      *parent;
    t_room      *child;

    visited = ft_memalloc(sizeof(uint8_t) * map->size_rooms);
    ft_deque_push_back(deque, get_start_room(map));
    *path = init_path(map->size_rooms);

    while (deque->head)
    {
        parent = ft_deque_pop_front(deque);
        child_id = 0;

        while (child_id < map->size_rooms)
        {
            if (!visited[child_id] && !map->rooms[child_id]->visited)
                if ((((map->adj_matrix[parent->id] & (1ULL << child_id)) && !((*flow)[parent->id] & (1ULL << child_id))) // There is a forward connection and we still have capacity
                    || ((map->adj_matrix[child_id] & (1ULL << parent->id)) && ((*flow)[child_id] & (1ULL << parent->id))))) // There is a backward connection and we have reverse capacity
                {
                    child = get_room_by_id(map, child_id);
                    visited[child_id] = TRUE;
                    (*path)[child_id] = parent->id;
                    ft_deque_push_back(deque, (void*)child);
                    if (child->type == END)
                        return (SUCCESS);
                }
            ++child_id;
        }
    }
    return (ERROR);
}
  1. 应用扩充路径

应用扩充路径的函数非常简单,因为在我的情况下,所有边的容量都是1。我们只是从末尾(接收器)返回,直到我们通过使用路径中保存的ID到达开始(点击)。对于每个房间,我们填写从父母到孩子的容量以及从孩子到父母的免费容量。

static void     apply_augmenting_path(t_map *map, uint32_t **flow, int64_t *path)
{
    t_room  *start;
    t_room  *parent;
    t_room  *child;

    start = get_start_room(map);
    child = get_end_room(map);
    while (child->id != start->id)
    {
        parent = get_room_by_id(map, path[child->id]);
        (*flow)[parent->id] |= 1ULL << child->id;
        (*flow)[child->id] |= 0ULL << parent->id;
        child = parent;
    }
}

我在以下条件中添加了一张支票:

if (!visited[child_id] && !map->rooms[child_id]->visited)

这个检查!map->rooms[child_id]->visited)是一个访问过的标志,我从我找到的路径建立我的方式时添加。它允许我在某些情况下避免多次占用同一个房间。

如果我有多条边进入,在Edmond-Karps中,流量将受到边缘的限制。这意味着如果我有4个边缘到一个节点,我可以有2个元素进入,只要我有2个其他边缘元素出去。这种检查避免了这种情况。

但是,这是我的主要问题,通过这样做,我阻止了一些可能通过迷宫的路径。

以下图片将向您显示问题。如果没有我的额外检查,Edmonds-Karp运行良好,但使用边缘找到最佳流量:

这是我添加支票时的解决方案,以避免两次使用同一个房间:

这是我想要找到的:

有没有办法修改我的Edmonds-Karp实现来获得我想要的东西?如果没有,是否还有其他可以使用的算法?

非常感谢你们的耐心等待!

PS:由于我没有足够的声誉,我无法嵌入图片:'(

答案

让我们从简单的事情开始,假设我们有一个简单的图形,其中有两个节点A和B,A连接到B:A <-> B

对于每个节点,为A添加一对节点SA和EA,为B添加SB和EB(S表示开始,E表示结束)

  • 从SA,向节点EA添加方向性边缘,其容量等于节点A的容量。
  • 对节点B应用相同的步骤,

现在,我们有一个如下图:

SA -> EA  
SB -> EB

为了表示A和B之间的连接,我们在EA - > SB中添加了一个具有无限(非常大)容量的方向边,类似地,我们从EB添加了一个方向边 - > SA

所以,我们的最终图表是:

SA -> EA  
SB -> EB
EA -> SB
EB -> SA

我们意识到,使用类似的过程,这种转换也可以很容易地应用于更复杂的图形。

现在,应用转换后,我们可以使用标准的最大流算法来解决这个问题。干杯!

以上是关于用于具有非加权双向边缘的流分辨率的算法的C实现以及具有流容量的节点的主要内容,如果未能解决你的问题,请参考以下文章

我们如何构建具有加权边缘的树

具有共享边界的最小连接区域的图论算法

是否有删除一半双向链表边缘的名称?

Dijkstra 算法的负边缘

如何使用 sklearn 训练算法对数据点进行加权

加权边缘如何影响networkx中的PageRank?