网络流初步(图论学习总结部分内容)

文章目录

前言

由于图论学习总结内容过多,全放在一篇博客过于冗长现进行拆分,本文是网络流初步 部分,其他部分地址见:图论学习总结(For XCPC)

五、网络流初步

  • 网络流的核心在于建图。建图是精髓也是难点。
  • 网络流的建图方法一定程度上刻画了贪心问题的内在性质,从而简便地支持了反悔,不需要我们为每道贪心问题都寻找反悔策略。

最大流(Maximum flow,简称 M F MF MF)

e g 1 : eg1: eg1: P 2764 P2764 P2764 最小路径覆盖问题 - 洛谷 | 计算机科学教育新生态 (luogu.com.cn)

题目大意

(启发:对于限制了点的出入度都为1的时候,我们可以将一个点拆成一个入点和一个出点)

最小费用最大流(Minimum cost maximum flow,简称 M C M F MCMF MCMF)

常见的建模思路

相关推荐
豌豆花下猫1 分钟前
Python 潮流周刊#105:Dify突破10万星、2025全栈开发的最佳实践
后端·python·ai
天宫风子9 分钟前
线性代数小述(一)
线性代数·算法·矩阵·抽象代数
嘻嘻哈哈OK啦14 分钟前
day46打卡
python
木头左19 分钟前
Docker容器化技术概述与实践
python
hjyowl27 分钟前
题解:AT_abc407_c [ABC407C] Security 2
c语言·开发语言·算法
坚持就完事了39 分钟前
大二下期末
python·numpy·pandas
蹦蹦跳跳真可爱58941 分钟前
Python----目标检测(使用YOLO 模型进行线程安全推理和流媒体源)
人工智能·python·yolo·目标检测·目标跟踪
爱补鱼的猫猫1 小时前
Pytorch知识点2
人工智能·pytorch·python
deephub1 小时前
提升模型泛化能力:PyTorch的L1、L2、ElasticNet正则化技术深度解析与代码实现
人工智能·pytorch·python·深度学习·机器学习·正则化