Ford-Fulkerson算法是贪心算法,用于计算网络中的最大流量。其原理是找到剩余容量为正的增广路径,只要找到增广路径,就可以继续增加路径和计算流量。直到增广路径不再存在,这时就能得出最大流量。
剩余容量:就是将容量减去流量,在Ford-Fulkerson算法中剩余容量是正数,才能继续作为路径。
残差网络:是一个具有相同顶点和边的网络,使用残差容量作为容量。
增广路径:是残差图中从源点到接收点的路径,最终容量为0。
可能概念不是很清晰,下面来看一个示例,流网络所有边的初始流量均为0,并有对应的容量上限,设起始点为S,接收点为T。
路径一,S-A-B-T路径剩余容量为8、9、2,最小值为2,因此路径一的流量为2,这时网络图的流量为2。
路径二,S-D-C-T路径剩余容量为3、4、5,最小值为3,因此我们可以将流量增加3,这时网络的流量为5。
路径三,S-A-B-D-C-T路径剩余容量为6、7、7、1、2,最小值为1,因此流量增加1,这时网络的流量为6。
至此,已经没有为正数的剩余容量,得出该流网络的最大流是6。
from collections import defaultdict class Graph: def __init__(self, graph): self.graph = graph self. ROW = len(graph) def searching_algo_BFS(self, s, t, parent): visited = [False] * (self.ROW) queue = [] queue.append(s) visited[s] = True while queue: u = queue.pop(0) for ind, val in enumerate(self.graph[u]): if visited[ind] == False and val > 0: queue.append(ind) visited[ind] = True parent[ind] = u return True if visited[t] else False def ford_fulkerson(self, source, sink): parent = [-1] * (self.ROW) max_flow = 0 while self.searching_algo_BFS(source, sink, parent): path_flow = float("Inf") s = sink while(s != source): path_flow = min(path_flow, self.graph[parent[s]][s]) s = parent[s] max_flow += path_flow v = sink while(v != source): u = parent[v] self.graph[u][v] -= path_flow self.graph[v][u] += path_flow v = parent[v] return max_flow graph = [[0, 8, 0, 0, 3, 0], [0, 0, 9, 0, 0, 0], [0, 0, 0, 0, 7, 2], [0, 0, 0, 0, 0, 5], [0, 0, 7, 4, 0, 0], [0, 0, 0, 0, 0, 0]] g = Graph(graph) source = 0 sink = 5 print("Max Flow: %d " % g.ford_fulkerson(source, sink))
以上是解析Ford-Fulkerson算法并通过Python实现的详细内容。更多信息请关注PHP中文网其他相关文章!