最大流量：修改networkx源代码，以使某些优势不会占用所有流量

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)