最明显的流网络问题如下:
问题1:给定一个流量网络G =(V, E), 最大流量问题是找到一个最大值的流量。
问题2:多个源和汇的最大流量问题与最大流量问题类似, 不同之处在于, 有一组{s1, s2, s3 …
…
. sn}源和一组{t1, t2, t3 …
…
…
. tn}的水槽。
幸运的是, 这个问题比常规的最大流量还难。给定多个源和汇流网络G, 我们通过添加定义新的流网络G’
- 超级来源
- 超级沉
- 对于每个si, 添加容量为∞的边(s, si), 然后
- 对于每个ti, 增加容量为∞的边(ti, t)
文章图片
残留网络:残留网络由可以允许更多净流量的边缘组成。假设我们有一个流量网络G =(V, E), 流量为s, 流量为t。令f为G中的一个流动, 并检验一对顶点u, v∈V。在超过容量c(u, v)之前, 我们可以从u推至v的额外净流量之和为(u , v)由
文章图片
【图论(网络流量问题)】当净流量f(u, v)为负时, 剩余容量cf(u, v)大于容量c(u, v)。
例如:如果c(u, v)= 16且f(u, v)= 16且f(u, v)= -4, 则剩余容量cf(u, v)为20。
给定一个流动网络G =(V, E)和一个流动f, 由f引起的G的剩余网络为Gf =(V, Ef), 其中
文章图片
也就是说, 残差网络的每个边缘或残差边缘都可以接受严格的正净流量。
增强路径:给定流网络G =(V, E)和流f, 增强路径p是残留网络Gf中从s到t的简单路径。通过残差网络的解决方案, 增广路径上的每个边(u, v)都允许从u到v的一些额外正净流, 而不会违反边上的容量约束。
令G =(V, E)为流动f的流动网络。扩充路径p的剩余容量为
文章图片
剩余容量是可通过扩充路径推动的最大流量。如果存在增广路径, 则其上的每个边都具有正容量。我们将利用这一事实来计算流量网络中的最大流量。
文章图片
文章图片
推荐阅读
- Ford-folkerson算法
- 图论之流网络和流
- 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())