基于标号法求解网络最大流算法的研究

近年来,随着各种网络的飞速发展,对最大流问题的研究也取得了很大的进展.本文简述了网络最大流问题的现状,提出了一种求解网络最大流与最小截问题的算法.此算法使得计算网络最大流变得简便,且具有很强的实用性.     

计算网络最大流的表格法

给出了计算网络最大流的表格法，避免了标号法(由Ford-Fulkerson提出)在计算最大流过程中选择增流链的随机性，并通过实例给出了具体算法步骤．     

网络最大流算法的改进

将已有的网络最大流的算法——标号法改进为断路法,从而加快了求网络最大流的速度并减少作标号图的麻烦。     

求网络最大流的新方法

对Ｆｏｒｄ－Ｆｕｌｋｅｒｓｏｎ标号法进行改进，使得通过一次标号便可找到全部增广链，并同时增流即得最大流，还给出了求最小费最大流的一种新的，更简单的方法。     

消耗性网络最大流问题研究

本文在网络最大流问题的基础上，提出了消耗性网络最大流问题，分析了问题存在可行解的充分必要条件以及求解问题的优化方法。     

网络最大流的矩阵算法

利用网络的容量矩阵得出网络的最小割矩阵,即可得到网络的最大流。     

一个求无向网络最大流的算法

从对通路的先后堵塞观点出发，给出了若干定理，从而构造了一对点之间的最大流算法，并讨论了算法的复杂度。     

关于网络最大流问题的生长树求法

本文对网络中最大流问题的求法进行了探索，利用画树图，给出了网络最大流的生长树求法。     

基于空中交通网络节点最大流的性能分析

以减少空中交通延时为目的,从理论角度研究了空中交通网络的最大流.利用离散时间消失排队系统,计算得到了机场节点最大流的理论上界,并且对该理论上界进行了性能分析.通过仿真实验,验证了方法的有效性.     

基于网络最大流的作者同名区分算法

为了降低不同学者实体之间的共享特征(如机构、发表会议等)给同名区分带来的影响,提出一种基于网络最大流的同名区分算法.该算法将论文实体及其特征融合成一张网络图,根据特征节点的被共享程度设定不同的容量,再计算论文节点间的最大流量,并基于最大流量进行层次聚类.实验结果表明:该算法在精准率和召回率上有较为均衡的表现,具有较好的综合性能.     

制造网络的一个最小费用最大流算法

制造网络流广泛应用于解决水源的调度及工厂的产品运输、分配、合成等问题.该文提出一个制造网络流的最小费用最大流算法.     

基于网络最大流的立体匹配算法

为得到立体图像对的全局最优匹配,将视差搜索范围离散化,与图像坐标一起构成三维空间网络。恰当定义网络各边的容量,使之兼顾立体匹配的相容性和光滑性约束,将立体匹配转化为网络优化问题。通过求解网络的最大流和最小切割,获得全局最优的视差分布数据。实验表明,算法生成的视差数据不仅连续稠密而且保留了细节信息。     

无环网络最大流的一种新算法

网络最大流问题是运筹学和网络优化的重要问题之一.基于动态规划基本思想,提出了在无环网络中适用的一种网络最大流算法.该算法通过判断在各个动态阶段各节点允许通过的最大流量,最终得到终点的最大流量-网络最大流,从而大大提高了执行的效率.最后算法分析和算例表明了新算法的有效性.     

应用Hopfield神经网络优化最大熵的图像恢复算法

基于图像最大熵分析,提出了一种基于Hopfield神经网络优化的图像恢复算法.将图像恢复问题转化为Hopfield神经网络优化问题,取恢复图像熵函数最大以及原始图像与恢复图像之间的误差平方和最小作为图像恢复的目标,构造能量函数连续型Hopfield神经网络模型,由Hopfield神经网络能量函数极小化可得到问题的优化解,其算法通过仿真实验,验证了算法的优越性.     

广义最大流问题

将网络最大流问题作了推广，给出了推广后的网络最大流GMF的标号算法及初始可行流计算的办法，并用线性规划的对偶理论说明了有关的结论。     

基于遗传算法的神经网络油水层识别

文章研究了基于遗传算法的神经网络油水层识别方法,针对神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,提出了基于粗集属性约简方法降低了输入信息的空间维数、减少了运算量和简化了神经网络的拓扑结构,利用遗传算法提高神经网络的训练速度。实验结果表明:将混合智能计算方法应用于油水层识别中效果显著,其学习训练速度和拟合精度远优于传统BP神经网络算法。     

一种最小费用最大流的简单算法

最小费用最大流问题在实际工作中经常会遇到,但传统的求解方法过于繁锁。本文提出的算法,可以在最大流多解算法的基础上,通过简单的动态调整得到一个最小费用最大流。