Ford-Fulkerson基于如下结构：
FlowNetwork
表示这个网络流问题。这个抽象类可以有两种实现，一种基于邻接表，另外一种使用数组。getEdgeStructure方法返回的是存储边集的结构。
VertexStructure
为顶点维护两个链表，分别存储的是前向边和后向边。
EdgeInfo
在网络流中记录边的信息。
VertexInfo
在数组中记录搜索到的增广路，增广路的前部节点和这个节点是否有一个前向边或者后向边。
例8-1是Ford-Fulkerson的一个实现，其流程如图8-4所示。一个可配置的Search对象能够计算出网络中的增广路，在容量限制内向网络中加入更多的流。如果在之前迭代的过程中做出的是次优决定，那么Ford-Fulkerson的搜索将会继续，但是不需要撤销之前的工作。
图 8-4 Ford-Fulkerson的建模信息例8-1：Ford-Fulkerson Java实现
任何自图8-5的抽象Search类扩展出的搜索方法都能够用来寻找一条增广路。Ford-Fulkerson的原始版本是使用深度优先搜索，不过Edmonds-Karp使用的是广度优先搜索（见第6章）。
图 8-5 Search的功能例8-3的流网络是使用深度优先搜索寻找增广路得到的结果，例8-2是其实现。路径使用栈来存储顶点。我们从栈中弹出一个顶点u，然后找到u的一个未访问顶点v，且满足这样两个条件：（i）边（u,v）是一条前向边并且还有多余的容量；（ii）边（v,u）是一条前向边，并且通过这条边的流可以减少。那么我们就能够找到一条潜在的增广路。最后，我们达到了汇点t，这样就找到了一条增广路径，或者路径为空，表示没有增广路。
例8-2：使用深度优先搜索来寻找增广路
顶点之间的后向指针由VertexInfo结构来维护，这样FordFulkerson.processPath方法能够遍历这条增广路。
广度优先搜索的实现，又名Edmonds-Karp算法，其实现见例8-3。在搜索过程中，路径的结构是顶点组成的队列。我们从队列头移除顶点u，然后将可能组成增广路径的邻接顶点加入到队列尾部，这就是我们扩展潜在增广路径的方式。同样，我们达到了汇点t，这样就找到了一条增广路径，或者路径为空，表示没有增广路，此时算法结束。我们使用图8-3的流网络，使用广度优先搜索能够找到4条增广路，分别是＜s,1,3,t＞，＜s,1,4,t＞，＜s,2,3,t＞和＜s,2,4,t＞。也得到了相同的最大流。
例8-3：使用广度优先搜索来寻找增广路径