首先是網路流中的一些定義：

V表示整個圖中的所有結點的集合.
E表示整個圖中所有邊的集合.
G = (V,E) ,表示整個圖.
s表示網路的源點,t表示網路的匯點.
對於每條邊(u,v),有一個容量c(u,v)   (c(u,v)>=0)，如果c(u,v)=0，則表示(u,v)不存在在網路中。相反，如果原網路中不存在邊(u,v)，則令c(u,v)=0.
對於每條邊(u,v),有一個流量f(u,v).

一個簡單的例子.網路可以被想象成一些輸水的管道.括號內右邊的數字表示管道的容量c,左邊的數字表示這條管道的當前流量f.

網路流的三個性質：

1、容量限制:  f[u,v]<=c[u,v]
2、反對稱性：f[u,v] = - f[v,u]
3、流量平衡:  對於不是源點也不是匯點的任意結點,流入該結點的流量和等於流出該結點的流量和。
只要滿足這三個性質,就是一個合法的網路流.

最大流問題，就是求在滿足網路流性質的情況下，源點 s 到匯點 t 的最大流量。

求一個網路流的最大流有很多演算法 這裡首先介紹 增廣路演算法（EK）

學習演算法之前首先看了解這個演算法中涉及到的幾個圖中的定義：

**殘量網路

為了更方便演算法的實現，一般根據原網路定義一個殘量網路。其中r(u,v)為殘量網路的容量。
r(u,v) = c(u,v) – f(u,v)
通俗地講：就是對於某一條邊（也稱弧），還能再有多少流量經過。
Gf 殘量網路,Ef 表示殘量網路的邊集.

這是上面圖的一個殘量網路。殘量網路（如果網路中一條邊的容量為0,則認為這條邊不在殘量網路中。

r(s,v1)=0,所以就不畫出來了。另外舉個例子：r(v1,s) = c(v1,s) – f(v1,s) = 0 – (-f(s,v1)) = f(s,v1) = 4.

其中像(v1,s)這樣的邊稱為後向弧,它表示從v1到s還可以增加4單位的流量。

但是從v1到s不是和原網路中的弧的方向相反嗎？顯然“從v1到s還可以增加4單位流量”這條資訊毫無意義。那麼，有必要建立這些後向弧嗎？

顯然，第1個圖中的畫出來的不是一個最大流。

但是，如果我們把s -> v2 -> v1 -> t這條路徑經過的弧的流量都增加2,就得到了該網路的最大流。

注意到這條路徑經過了一條後向弧:(v2,v1)。

如果不設立後向弧，演算法就不能發現這條路徑。

**從本質上說，後向弧為演算法糾正自己所犯的錯誤提供了可能性，它允許演算法取消先前的錯誤的行為（讓2單位的流從v1流到v2)

注意,後向弧只是概念上的,在程式中後向弧與前向弧並無區別.

**增廣路

增廣路定義：在殘量網路中的一條從s通往t的路徑，其中任意一條弧(u,v)，都有r[u,v]>0。

如圖綠色的即為一條增廣路。

看了這麼多概念相信大家對增廣路演算法已經有大概的思路了吧。

**增廣路演算法

增廣路演算法：每次用BFS找一條最短的增廣路徑，然後沿著這條路徑修改流量值（實際修改的是殘量網路的邊權）。當沒有增廣路時，演算法停止，此時的流就是最大流。

**增廣路演算法的效率

設n = |V|,  m = |E|

每次增廣都是一次BFS,效率為O(m),而在最壞的情況下需要（n-2增廣。（即除源點和匯點外其他點都沒有連通，所有點都只和s與t連通）

所以,總共的時間複雜度為O(m*n)，所以在稀疏圖中效率還是比較高的。

 模板題1： 點選檢視連結

模板題2：點選檢視連結

文字轉自：點選檢視連結