瑞士苏黎世联邦理工学院的研究人员开发了一种超快算法，即网络流算法。该算法成功解决了在网络中实现最大流量的同时最大限度降低传输成本的问题。这种超快计算能力是研究高度复杂、数据丰富、动态且快速变化的网络(例如生物学中的分子网络或大脑网络)的重要环节。
新算法能为任何类型的网络(包括铁路、公路、水上交通和互联网)计算出最佳且最低成本的交通流量方案。其执行计算的速度极快，几乎在计算机读取描述网络数据的瞬间就能提供解决方案。
原则上，所有计算方法在寻找最佳流量和最小成本路线时，均需面对多次迭代分析网络的挑战。在此过程中，它们会逐一分析网络连接状态，包括哪些是开放的，哪些是关闭的，或是由于达到容量极限而拥塞的。
此前，计算机科学家在解决这一问题时，往往要在两种关键策略之间做出选择。一种是以铁路网络为模型，每次迭代都要计算整个网络部分并调整交通流量;另一种则受电网中电力流启发，在每次迭代中计算整个网络，但对网络每个部分的修改流量使用统计平均值，以加快计算速度。
现在，研究团队将这两种策略的优势结合，创建了一种全新的组合方法。新算法基于许多小型、高效且低成本的计算步骤，这些步骤加在一起比一些单一的大型步骤快得多。
计算最优流量的时间复杂度通常以m的某个幂次方来表达，其中m代表计算机必须计算的网络中的连接数。直到2000年，都没有任何算法的计算速度能够超过m1.5。2004年，解决该问题所需的计算速度成功降低至m1.33。
新算法进一步解决了这一问题。使用该算法时，计算时间和网络规模以相同的速度增加，这或将改变整个网络流算法研究领域。
|
