如何解决最大流量:修改networkx源代码,以使某些优势不会占用所有流量
最大流量算法通过给定边容量的图形找到最大流量。但是,如果在流过两个边缘之间存在选择,则通常只会完全利用其中一个边缘,而忽略另一个。通过使用“ min_cost_max_flow”并将较低的首选边的成本设置得较低,可以影响应该优先选择哪个边。但是,这仍然使某些边缘比其他边缘更可取。如果我希望在这种情况下流量在边缘之间均匀分布怎么办?这是一个玩具示例。我们可以看到,最大流量(使用python networkx;下面提供的代码)利用了vertex-1并通过它流动了4个单位。但是,发送2个单位通过顶点1和2个单位通过顶点2同样容易。我怎样才能做到这一点?是通过修改networkx的源代码还是在顶部进行某种扩充?
请注意,我在CS stackexchange上提出了类似的问题:https://cs.stackexchange.com/questions/131101/max-flow-but-distribute-evenly-among-candidate-vertices。在那儿,我正在寻求一个具有清晰目标函数的最佳解决方案(以最小化跨边缘流的方差)。在这里,只要对源代码或顶部进行任何更改,就可以使流程更少地集中在下面示例中给出的边缘上。
通过network-x获得的最大流量代码(与CS stackexchange版本无关或无法正确呈现):
import networkx as nx
from networkx.algorithms.flow import maximum_flow
G = nx.DiGraph()
G.add_edges_from([(0,1,{'capacity': 5,'weight': 1}),(0,2,{'capacity': 3,'weight': 0.5}),3,{'capacity': 1,(4,6,{'capacity': 4,(5,(1,4,{'capacity': np.inf,(2,(3,5,])
mincostflow = nx.max_flow_min_cost(G,6)
flow_val,flow_dict = nx.maximum_flow(G,6)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。