def main():
G = nx.DiGraph()
G = initialization(G)
R = ford_fulkerson(G, '1', CountNodes(file))
print("Максимальний потік даного графа: " + str(int(R.graph['flow_value'])) + '\n')
matrix = transfer_to_matrix(R)
balance_point(matrix, str(int(R.graph['flow_value'])))
def Algorithm(G, list_node, list_result_maxflow, mod, Risultati_Test): #calcola il flusso massimo utilizzando l'algoritmo di Ford Fulkerson tra il source e il sink
result_maxflow = []
for i in list_node:
max_flow = ford_fulkerson(G,i[0],i[1]) #max flow e' una lista che contiene nel primo elemento il max flow della rete, nel secondo elemento contiene una lista con tutti i link della rete e le relative capacita' utilizzate dal flusso
if mod=="dipendente":
G = New_Topology(G, max_flow)
#if max_flow[0] != 0: #NON INSERISCE NELLA LISTA LE COPPIE CHE HANNO MAXFLOW UGUALE A ZERO
result_maxflow.append([i[0],i[1],max_flow[0]]) #e' un'array che contiene [source, sink, maxflow]
list_result_maxflow.append(result_maxflow)
def Algorithm(
G, list_node, list_result_maxflow, mod, Risultati_Test
): #calcola il flusso massimo utilizzando l'algoritmo di Ford Fulkerson tra il source e il sink
result_maxflow = []
for i in list_node:
max_flow = ford_fulkerson(
G, i[0], i[1]
) #max flow e' una lista che contiene nel primo elemento il max flow della rete, nel secondo elemento contiene una lista con tutti i link della rete e le relative capacita' utilizzate dal flusso
if mod == "dipendente":
G = New_Topology(G, max_flow)
#if max_flow[0] != 0: #NON INSERISCE NELLA LISTA LE COPPIE CHE HANNO MAXFLOW UGUALE A ZERO
result_maxflow.append(
[i[0], i[1],
max_flow[0]]) #e' un'array che contiene [source, sink, maxflow]
list_result_maxflow.append(result_maxflow)
G.add_edge(str(u), str(v), capacity=abs(image[l][c] - image[l-1][c]))
v = (l + 1) * colunas + c
# conecta para baixo
G.add_edge(str(u), str(v), capacity=abs(image[l][c] - image[l+1][c]))
# inserir o vertice s e t
for i in range(0, vi ):
l = int(i / colunas)
c = i % colunas
# print("i = " + str(i) + "; l = " + str(l) + "; c = " + str(c))
pixel = image[l][c]
G.add_edge('s', str(i), capacity=abs(pixel - media_s))
G.add_edge(str(i), 't', capacity=abs(pixel - media_t))
Gf = ford_fulkerson(G, 's', 't', 'capacity')
flow = Gf.graph['flow_value']
flow_dict = Gf.graph['flow_dict']
suc = nx.bfs_successors(Gf, 's')
resultado = np.zeros((64,64), dtype=np.int8)
vertices = suc['s']
for i in range(0, len(vertices)):
t = int(vertices[i])
l = int(t / 64)
c = t % 64
resultado[l][c] = 1
G.add_edge('s','3', capacity=3, flow='3/3')
G.add_edge('1','2', capacity=9, flow='0/9')
G.add_edge('2','3', capacity=6, flow='2/6')
G.add_edge('2','4', capacity=3, flow='3/3')
G.add_edge('3','1', capacity=4, flow='0/4')
G.add_edge('3','t', capacity=5, flow='5/5')
G.add_edge('4','1', capacity=1, flow='0/1')
G.add_edge('4','t', capacity=4, flow='3/4')
G.add_edge('4','3', capacity=2, flow='0/2')
R = ford_fulkerson(G, 's','t')
flow_value, flow_dict = nx.maximum_flow(G, 's', 't', flow_func=ford_fulkerson)
print(flow_value)
print(flow_dict)
labels = {}
import pylab as plt
for source_node in flow_dict:
for dest_node in flow_dict[source_node]:
labels[(source_node, dest_node)] = flow_dict[source_node][dest_node]
# pos = nx.shell_layout(G)
pos = nx.get_node_attributes(G, 'pos')
flow = nx.get_edge_attributes(G, 'flow')
nx.draw(G, pos)
