iFlow：一种交互式最大流/最小割算法可视化工具
摘要
最大流/最小割问题是图论中的基础工具，在数据挖掘、图像分割、交通规划和多种分配问题等众多领域有应用，同时也是许多其他算法的重要构建块。因此，用于最大流/最小割的Ford-Fulkerson算法及其变体常在本科生和研究生入门算法课程中教授。然而，这些算法——特别是它们所利用的所谓残余图——往往给学生带来显著挑战。为帮助学生获得更深入的理解，我们开发了iFlow，一种用于Ford-Fulkerson算法及其变体的交互式可视化工具。iFlow允许用户设计或导入流网络，并手动执行算法。特别地，用户可以选择增广路径和流量，然后更新残余图。用户可获得关于错误的详细反馈，也可让iFlow自动完成每一步，在初始学习阶段将其作为演示工具使用。iFlow已公开并开源。我们在本科生算法课程中部署了iFlow，并通过可选调查收集了学生自我报告的学习收益。所有受访者均认为该工具至少有些有用且引人入胜，大多数将其评为有用/引人入胜或非常有用/非常引人入胜。学生们还普遍报告对算法的理解显著提高。
引用
@article{arxiv.2411.10484,
title = {iFlow: An Interactive Max-Flow/Min-Cut Algorithms Visualizer},
author = {Muyang Ye and Tianrui Xia and Tianxin Zu and Qian Wang and David Kempe},
journal= {arXiv preprint arXiv:2411.10484},
year = {2024}
}
备注
This paper is accepted by SIGCSE 2025 TS. Due to the page limit we can not include the appendix in the SIGCSE version. So we decide to include them on arXiv so that the SIGCSE version can point to the arXiv version. Since the final SIGCSE version is due by Nov. 17, it would be really helpful if this submission can go online as soon as possible. Thanks!