流动网络是用于对物料流动建模的有向图。有两个不同的顶点。一种是以一定的稳定速率生产物料的源, 另一种是以相同的恒定速度消耗物料的水槽。材料在系统中任何标记处的流动是元件移动的速率。
可以使用流动网络对一些现实生活中的问题进行建模, 例如液体通过管道的流动, 通过电线的电流和货物的输送。
定义:流网络是有向图G =(V, E), 使得
- 对于每个边(u, v)∈E, 我们将一个非负权重容量c(u, v)≥0关联; 如果(u, v)?E, 则假定c(u, v)= 0。
- 有两个区别点, 即源s和宿t。
- 对于每个顶点v∈V, 都有一条从s到t的包含v的路径。
- 容量约束:对于所有u, v∈V, 我们需要f(u, v)≤c(u, v)。
- 偏斜对称性:对于所有u, v∈V, 我们需要f(u, v)=-f(u, v)。
- 流量守恒:对于所有u∈V- {s, t}, 我们需要
文章图片
量f(u, v)可以为正也可以为负, 称为从顶点u到顶点v的净流量。在最大流量问题中, 我们给定了一个流量网络G, 其流量为s, 流量为t, 我们希望找到从s到t的最大值流。
这三个属性可以描述如下:
- 容量约束确保通过每个边缘的流量不大于容量。
- 偏斜对称性意味着从u到v的流量是从v到u的流量的负数。
- 流量守恒属性表示从源或汇以外的顶点流出的总净流量为0。换句话说, 流入av的量与每个顶点v∈流出v的量相同。 V-{s, t}
文章图片
流量的值是来自源的净流量,
文章图片
进入顶点v的正净流量描述为
文章图片
对称地描述离开顶点的正净流量。流量守恒属性的一种解释是, 除了源或汇之外, 进入顶点的正净流量必须等于离开顶点的正净流量。
【图论之流网络和流】如果f(u, v)是所有(u, v)∈E的整数, 则称流f为整数值。显然, 该流的值是整数是整数值流。
推荐阅读
- 图论(网络流量问题)
- PyTorch与TensorFlow差异比较(有什么区别(哪个更好?))
- Helm与Terraform差异比较(有什么区别(哪个更好?))
- Ansible vs Terraform vs Puppet差异比较(有什么区别(选择哪个?))
- 14种云成本管理和优化工具合集(如何选择())
- IaaS PaaS SaaS差异比较(它们有什么区别())
- 多云与混合云的差异比较(有什么区别(哪个更好?))
- pfSense与Sophos差异比较(它们有什么区别())
- Apache 403 Forbidden错误修复(原因和解决方法)