首页 > 教程攻略 > ai教程 >迄今最快的网络流算法,网友:几乎与数学理论一样快

迄今最快的网络流算法,网友:几乎与数学理论一样快

来源:互联网 时间:2026-07-11 07:16:17

而且还是以最低成本计算最大运输流量的那种。

这波操作,来自苏黎世联邦理工学院计算机系的Rasmus Kyng团队(江湖人称“京爷”)。

其实早在两年前,京爷团队的“前代”成果就已经刷了一波存在感,还被Quanta Magazine评选为当年的计算机科学十大发现之一。

连网络流算法领域的先驱Daniel A. Spielman都忍不住点赞:

而就在最近,他们在ACM计算理论研讨会(STOC)上,又带来了一个“进化版”——

不管网络里是增加了还是删除了什么路径,都能以最低成本、最大传输流量的“姿势”,用几乎线性的速度把计算搞定。

这就好比徒步旅行,管你道路变复杂还是变陡峭,我照样保持高速前行,顺利抵达终点。

苏黎世联邦理工学院官方给出了一句很硬核的评价:

那么,京爷的团队到底是怎么做到的呢?

迄今最快的网络流算法

网络流,本质上是图论里的一种理论和方法,研究的是网络上的一类最优化问题。

这个问题最早可以追溯到1955年,当时T.E.哈里斯在研究铁路最大通量时,为了找出两点间的最大运输量而提出。

到了1956年,L.R.福特和D.R.富尔克森等人给出了解决这类问题的算法,网络流理论就此正式建立。

而且,网络流算法在解决现实问题的时候,价值相当可观。

比如你用欧洲运输网络,想找一条最快、最便宜的路线,把尽可能多的货物从哥本哈根运到米兰,这时候网络流算法就能派上用场了。

对于这类问题,以前计算最佳流量所需要的时间,甚至比处理网络数据本身还要长得多。

随着网络变得越来越庞大、越来越复杂,计算时间相对而言的增长速度,比问题本身的实际规模快得多。

这也正是为什么我们现在还会看到,有些计算机对网络中的流量根本算不过来。

但京爷团队提出的算法,一举打破了这种僵局——

不仅读取网络数据到得出解决方案所需的“额外”计算时间现在可以忽略不计,就算要重新设计路由(Route)或者添加新路由,也都基本没有额外开销。

原则上,所有计算方法都要面临一个挑战:必须多次迭代分析网络,才能找到最佳流量和最低成本路线。

在京爷团队之前,研究者们基本是在两种关键策略之间二选一:

一种方法是以铁路网络为模型,每次迭代都对整个网络进行计算,并修改交通流量。另一种方法则受电网中电力流的启发,每次迭代也计算整个网络,但对网络每个部分的修改流量,使用统计平均值。

京爷团队的做法则是——成年人当然不做选择题,两者的优势全都要,组合起来打造新方法:

最新的这项研究,提出了一系列针对增量图(incremental graphs)问题的几乎线性时间算法。

(增量图指的是随时间变化而动态变化的有向图,主要通过边的插入操作来改变结构。)

论文中提出的算法主要解决以下几个问题:

环检测(Cycle Detection):检测图中是否存在环。强连通分量维护(Strongly Connected Component Maintenance, SCCs):维护图中的强连通分量。单源最短路径(s-t Shortest Path):计算图中单源到单目标的最短路径。最小成本流(Minimum-Cost Flow):在满足容量限制的情况下,找到成本最小的流。

论文的主要技术贡献,是提出了一种确定性的数据结构,能够在完全动态图中,对于每次更新,以摊销的几乎线性时间,返回一个近似最小比率环。

结合Brand-Liu-Sidford(STOC 2023)的内点方法框架,这篇论文给出了第一个能决定增量图中最小成本流达到给定阈值的算法。

除此之外,团队还设计和使用了新的数学工具,进一步加速了他们的算法。

结果显示,论文提出的算法在理论上为增量图问题提供了有效的解决方案,这些算法在时间复杂度上,明显优于以往的方法。

不过,像京爷团队这种为解决以前无法有效计算的超大规模问题奠定基础,还只是这些更快网络流算法的影响之一。

更深层次的影响在于:它们正在改变计算机计算复杂任务的方式。

正如加州大学伯克利分校的一个国际研究小组评价的那样:

在过去的十年里,理论计算机科学的基础问题上,为了获得可证明的快速算法,在理论基础层面发生了一场革命。

关于团队

这项研究有三位来自苏黎世联邦理工学院的作者。

其中的京爷,Rasmus Kyng是苏黎世联邦理工学院计算机科学系的助理教授,研究重点包括图问题和凸优化的快速算法、概率和差异理论、细粒度复杂性理论,以及机器学习中的应用。

Rasmus Kyng

另一位主要贡献者是Maximilian Probst博士,他是京爷小组的高级助理,主攻方向是图算法、优化和数据结构。

Maximilian Probst

除此之外,这项研究中还有两位华人作者,分别是来自CMU的Li Chen,以及普林斯顿的Yang P. Liu。

如果对这项研究感兴趣,可以戳下面的链接进一步了解。

参考链接:

[1]https://ethz.ch/en/news-and-events/eth-news/news/2024/06/researchers-at-eth-zurich-develop-the-fastest-possible-flow-algorithm.html

[2]https://dl.acm.org/doi/10.1145/3618260.3649745

[3]https://news.ycombinator.com/item?id=40829459

[4]https://inf.ethz.ch/news-and-events/spotlights/infk-news-channel/2023/07/frontiers-of-science-awards-for-rasmus-kyng-and-maximilian-probst.html

相关下载