Ford-Fulkerson算法通过Residual Graph寻找Augmenting Path，循环增加网络流直至无路径可增。算法效率受Augmenting Path选择影响，原始算法时间复杂度为O(mC)，其中m为边数，C为最大边容量。为了提高效率，采用Scaling Max-Flow Algorithm，引入scaling parameter，降低时间复杂度至O(m^2*log2C)，尤其在C值极大时效果显著。
Ford-Fulkerson算法
利用Residual Graph来让一个有向图中的网络流，在由A流向B之后，还能产生一条虚拟的路径（Augmenting Path），能够使那些流量能够回流。如此循环地找源节点s流向终点t的路径，直到找不到这样的路径为止。
Ford-Fulkerson算法及改进后算法的效率
Ford-Fulkerson算法对于Augmenting Path的选择，直接影响到其执行效率。例如，一条容量较小的边之中的流反复改变方向的问题。如果用C来表示源节点s的所有边的最大容量，m表示图中边的总数，传统Ford-Fulkerson算法的时间复杂度为：O(mC)。
通常m的值不会很大，但C的值有可能非常大。这时如果要改进算法的效率，可以使用一个scaling parameter，令其值为不超过s最大边容量的2的幂积。改进后的算法称之为Scaling Max-Flow
最低0.47元/天 解锁文章
扫一扫
2067
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
