在图形网络上成功传输数据向量的概率

时间:2015-05-12 23:54:06

标签: algorithm graph probability max-flow

我一直在寻找给定问题的答案。提供的其他细节是: 给定图中具有容量> 0的每个链接是p并且具有容量< 0的链路的概率是1-p。像{1,2,3,4}这样的数据向量从节点1成功传输到节点5的概率是多少。

我知道这些问题存在最大流量的概念,但我还不了解通过这种网络成功传输的可能性。

第二个问题:在开始寻找max-flow概念之前。我开始考虑给定一个起始和目标节点,我们可以简单地做一个BFS来找出从源节点到目标节点的许多可能路径,并对它们进行点击(我意识到如果有无限路径它会成为一个指数时间具有巨大空间复杂性的算法但是说它是一个相当有限的网络)。然后,为了校准P(成功传输)可以通过以下方式接近吗?

说从节点1到节点5的#of路径是4 然后 P(节点1和节点5之间成功传输)= P(路径1)+ p(路径2)+ p(路径3)+ p(路径4)-p(路径交叉点)其中,

P(交叉点)是两条或更多条路径可能共享边缘的概率,如: P(交叉点)= P(4C2)+ P(4C3)-p(4C4) 其中4cr - > r <= 4。

的路径中没有

此路径中的p(路径#)= p ^ no。我的做法是对的吗?此外,如果可以这样思考,我怎样才能将其扩展到无限路径的可能性?

任何帮助或指示将不胜感激!!谢谢。

1 个答案:

答案 0 :(得分:0)

想象一个简单的图,A-> B-> C。并且假设每个边缘p = 0.9。消息从A传递到C的概率 2p = 1.8,因此P(path) = p * number of edges不正确。正确的概率是P = p 2 = 0.81

如果有两个这样的路径,A-> B-> C和A-> D-> C(所有边缘p = 0.9),我们发送一个副本在一条路径上的消息,其到达概率为0.81,但如果我们可以向每条路径发送一个副本,则概率 P = 1.62;非交叉路径的概率不会增加。如果我们在每条路径上发送一个副本,P = 0.9639,如果我们将消息分成两部分并在每条路径下发送一部分,则整个消息到达的概率为P = 0.6561

在此之前,您必须先了解概率的基础知识。这没有捷径,我们无法给你答案&#34;你必须研究它。