网络流理论在理论计算机科学、运筹学和离散数学等学科中均有应用，可用于货物运输建模和计算机视觉图像分割等众多问题。本书主要源于康奈尔大学的网络流算法课程讲义，包含出版年代较早的经典书籍中未能涵盖的新研究成果。本书采用简洁且统一的视点，讨论解决网络流问题的多种组合算法、多项式算法及其分析，涵盖最大流、最小代价流、广义流、多物流和全局最小割集等，还介绍了关于计算电流的新研究成果及其在经典问题上的应用。
本书可作为面向研究生的网络流算法教材，也适合该领域的研究人员参考。

大卫·P.威廉姆森（David P.Williamson）康奈尔大学运筹学和信息工程学院教授，ACM会士，SIAM会士。他在离散优化方面的研究获得了多个奖项，包括2000年由美国数学协会和数学规划协会赞助的Fulkerson奖。他与David B.Shmoys合著的The Design of Approximation Algorithms（Cambridge, 2011）获得了2013年的INFORMS Lanchester奖。他在多个编委会任职，曾任SIAM Journal on Discrete Mathematics的主编。

译者序
前言
致谢
第1章 预备知识：最短路径算法
1.1 无负权边：Dijkstra算法
1.2 有负权边：Bellman-Ford算法
1.3 负权回路的检测算法
练习
章节后记
第2章 最大流算法
2.1 最优化条件
2.2 应用：汽车共享问题
2.3 应用：棒球队淘汰问题
2.4 应用：最密子图问题
2.5 最大改进增广路径算法
2.6 容量度量算法
2.7 最短增广路径算法
2.8 推送-重标算法
练习
章节后记
第3章 全局最小割集算法
3.1 Hao-Orlin算法
3.2 MA序算法
3.3 随机合并算法
3.4 Gomory-Hu树
练习
章节后记
第4章 其他最大流算法
4.1 阻塞流算法
4.2 单位容量图的阻塞流
4.3 Goldberg-Rao算法
练习
章节后记
版权声明
第5章 最小代价环流算法
5.1 最优化条件
5.2 Wallacher算法
5.3 最小均值回路消去算法
5.4 容量度量算法
5.5 逐次逼近
5.6 网络单纯形
5.7 应用：带时限的最大流问题
练习
章节后记
第6章 广义流算法
6.1 最优化条件
6.2 Wallacher式GAP消去算法
6.3 负代价GAP检测
6.4 有损图、Truemper算法和收益度量
6.5 误差度量
练习
章节后记
第7章 多物流算法
7.1 最优化条件
7.2 双物流问题
7.3 预备知识：乘权算法
7.4 Garg-Konemann算法
7.5 Awerbuch-Leighton算法
练习
章节后记
第8章 电流算法
8.1 最优化条件
8.2 无向图的最大流问题
8.3 图的稀疏化
8.4 简易Laplacian求解器
练习
章节后记
版权声明
第9章 开放问题
参考文献