Algorithm 理解几何约束求解的伪代码最大流算法有困难

因此，我正在努力解决这个问题，主要是寻找加权图的最小稠密子图（在几何约束求解的上下文中）

稠密子图是边权重和顶点权重之和相等的子图

作者解释说，这在某种程度上等同于最大流算法，因此他在标准最大流算法的基础上提出了一个变体，他说该算法对于这个问题更有效。然而，我不太熟悉的概念，我发现实际的描述非常迟钝。也许有人能帮我

算法说明如下：

我非常困惑第17步应该是什么，流实际上在哪里初始化，以及扩充过程是如何工作的

本文提供了一个例子：

所以我试着通过这个例子，但我不能让它做它应该做的。似乎当它第一次循环时，它访问e1、v0和v2，并标记e0和e2。然后访问e0并标记v2。然后它访问e2，但是它的所有顶点都已经访问过了，所以该算法从来没有做过任何事情。它如何扩展路径

提前感谢。

如果流实际上已经初始化，那么它们就没有初始化——这是作者的疏忽。假设所有e和v的fev最初为零

增强过程的工作原理第17步明显高于常规的其余部分。扩充路径是最大流的一个标准子主题，许多本科算法文本都涵盖了这个主题

让我们考虑一个流问题，其中所有的事物都有权重1。< /P>

a-->b
   ^
  /
 /
c-->d

我没有画

s

和

t

。假设我们把一个单位从

c

推到

b

a-->b
   /
  /
 v
c-->d

出现从

b

到

c

的反向弧是因为，虽然我们不能从绝对意义上将流从

b

发送到

c

，但我们可以取消从

c

到

b

的一个单位，这在数学上具有相同的效果。最大流的值为2，我们通过增加路径

a->b->c->d

来实现。这只意味着将一个单元从

a

推到

b

，将一个单元从

c

取消到

b

，将一个单元从

c

推到

d

下面是步骤17的一些伪代码

Augment(vert, pred, amount)
  v = vert
  while true
    e = pred(v)
    f_e^v += amount
    if pred(e) is null
      break
    v = pred(e)
    f_e^v -= amount

---

amount

应该是最大的值，它不会导致任何边产生超过其重量的结果，也不会导致任何顶点消耗超过其重量的结果。

谢谢，我明天会尝试。