This paper addresses the problem of determining all optimal integer solutions of a linear integer network flow problem, which we call the all optimal integer flow (AOF) problem. We derive an O(F (m + n) + mn + M ) time algorithm to determine all F many optimal integer flows in a directed network with n nodes and m arcs, where M is the best time needed to find one minimum cost flow. We remark that stopping Hamacher's well-known method for the determination of the K best integer flows at the first sub-optimal flow results in an algorithm with a running time of O(F m(n log n + m) + M ) for solving the AOF problem. Our improvement is essentially made possible by replacing the shortest path sub-problem with a more efficient way to determine a so called proper zero cost cycle using a modified depth-first search technique. As a byproduct, our analysis yields an enhanced algorithm to determine the K best integer flows that runs in O(Kn3 + M ). Besides, we give lower and upper bounds for the number of all optimal integer and feasible integer solutions. Our bounds are based on the fact that any optimal solution can be obtained by an initial optimal tree solution plus a conical combination of incidence vectors of all induced cycles with bounded coefficients.


翻译:本文涉及确定线性整网流问题所有最佳整数解决方案的问题,我们称之为所有最佳整数流问题。我们用O(F(nlog n+m)+m +M)时间算法来确定有n节点和 m Arcs 的定向网络中所有F(m)+n+m+M)最佳整数流。M是找到一个最低成本流的最佳时间。我们指出,在第一个次最佳流中,阻止哈马赫确定K最佳整数流的著名方法的结果是,一种运行时间为O(F(nlog n+m)+M)的算法,用于解决AOO(F(nlog n+m)+m +M)的问题。我们之所以能够作出改进,基本上是通过以更有效的方法取代最短路径次整数的次整数,从而确定所谓的适当零费用循环,使用经修改的深度第一搜索技术。作为副产品,我们的分析产生一种更先进的算法,用以确定在O(K3+M)中运行的K最佳整数流。此外,我们对所有最佳整数的最佳整数和最可行的整数的混合的混合解决办法都具有约束性。

0
下载
关闭预览

相关内容

Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
基于区域的目标检测——细粒度
计算机视觉战队
14+阅读 · 2018年2月1日
【推荐】直接未来预测:增强学习监督学习
机器学习研究会
6+阅读 · 2017年11月24日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【音乐】Attention
英语演讲视频每日一推
3+阅读 · 2017年8月22日
Arxiv
0+阅读 · 2021年11月8日
Arxiv
0+阅读 · 2021年11月6日
Arxiv
0+阅读 · 2021年11月5日
Arxiv
0+阅读 · 2021年11月5日
VIP会员
相关资讯
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
基于区域的目标检测——细粒度
计算机视觉战队
14+阅读 · 2018年2月1日
【推荐】直接未来预测:增强学习监督学习
机器学习研究会
6+阅读 · 2017年11月24日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【音乐】Attention
英语演讲视频每日一推
3+阅读 · 2017年8月22日
Top
微信扫码咨询专知VIP会员