摘要图论作为运筹学与组合优化的核心分支，在现代化资源配置与路径规划中具有举足轻重的地位。本文系统性地探讨了图论中的两类基石性问题——最短路径问题与网络流问题，重点剖析了Dijkstra算法、Floyd-Warshall算法以及最大流/最小割理论的内在机理与数学本质。在经典算法的基础上，本文提出了针对动态图场景的改进型Dijkstra算法（D-Dijkstra）以及基于容量梯度下降的最大流增广路径优化策略。更为重要的是，本文首次将最短路径与网络流问题置于统一的优化框架下进行耦合分析，提出了“最小费用-最大流协同优化模型”（MCMF-CO），并将其应用于2026年智能物流系统的实时调度场景中。通过仿真实验，验证了协同模型在总运输成本、路径利用率与应急响应时效性方面均显著优于传统分离式求解策略。本文的研究不仅丰富了图论算法的应用维度，也为智慧城市背景下的复杂网络优化提供了可落地的数学工具。关键词：最短路径；Dijkstra算法；Floyd算法；最大流；最小割；最小费用最大流；智能物流；协同优化；2026年数学建模目录摘要第一章 绪论1.1 研究背景与意义1.2 国内外研究现状1.3 本文的研究内容与组织结构第二章 图论基础与符号系统2.1 图的基本定义2.2 路径与回路2.3 流网络2.4 割第三章 最短路径算法及其改进3.1 最短路径问题的数学表述3.2 Dijkstra算法：原理、正确性与复杂度3.2.1 算法流程3.2.2 正确性证明3.2.3 复杂度分析3.3 Floyd-Warshall算法：动态规划的典范3.3.1 算法原理3.3.2 算法实现与复杂度3.3.3 路径重构与负权处理3.4 面向动态图的最短路径改进策略——D-Dijkstra算法3.4.1 核心思想3.4.2 复杂度与适用范围第四章 网络流与最小割：理论、算法与对偶性4.1 最大流问题的数学建模4.2 Ford-Fulkerson增广路径方法4.2.1 残量网络与增广路径4.2.2 算法终止性与复杂度4.3 最大流最小割定理4.4 最小割的工程意义与计算方法第五章 最短路径与网络流的协同优化：最小费用最大流框架5.1 问题的统一视角5.2 最小费用最大流模型5.3 最短路径与网络流的对偶耦合5.4 协同优化模型：MCMF-CO第六章 2026年智能物流网络中的协同模型应用与仿真实验6.1 场景描述与数据生成6.2 对比算法设置6.3 实验结果与分析6.3.1 总运输成本比较6.3.2 路网流量均衡性分析6.3.3 动态场景下的鲁棒性测试6.4 结果讨论第七章 总结与展望7.1 本文工作总结7.2 未来研究方向第一章 绪论