网络最大流问题是一个经典的组合优化问题,是计算机科学和运筹学的重要内容,在工程领域和科学研究领域具有广泛的应用。在网络最大流算法的研究中,为了减少计算量,研究者们提出了许多改进的方法。但是目前关于最大流问题的算法在理论性能和实际性能方面都还存在不足之处,算法的实际性能和许多应用问题的要求之间还存在差距。特别是近年来随着各种网络和计算机科学的飞速发展,网络的规模呈指数级增长,大规模网络的流量计算也面临着越来越多的挑战,仍然使用经典的网络流算法去直接求解这些大规模网络的流量问题将会变得很困难甚至不可能。本文的研究重点在如何简化大规模网络以求解其最大流,通过将网络中合适的节点集合构成的子图收缩成为一点,从而达到简化网络规模的目的。建立了一个先对大规模网络进行简化再求解其最大流的新模型。在这个模型的基础上提出了三个计算大规模网络最大流的新算法,它们分别是基于极大团收缩简化网络的最大流算法,基于邻居节点收缩简化网络的最大流算法以及基于分层节点收缩简化网络的最大流算法。使用这些算法可以不同程度地减小网络的规模从而降低计算的复杂性,为在大规模网络中求解流量问题提供了方便,同时提供了一个解决大规模网络最大流问题的新思路。在不同测试网络上的实验结果表明了我们算法的有效性。纵观全文,主要工作如下：1.介绍了最大流问题研究的背景、意义以及研究现状。详细地概括了网络流基本的概念、结论和算法,并对这些算法的优缺点进行了分析。2.提出了对流网络的一些预处理操作(容量归一化和收缩最大容量边),建立了一个简化大规模网络求解其最大流的新模型,对这个模型的可行性进行了分析。3.提出了三个基于这个模型的计算大规模网络最大流的新算法,它们分别是基于极大团收缩简化网络的最大流算法,基于邻居节点收缩简化网络的最大流算法以及基于分层节点收缩简化网络的最大流算法,并对这个三个算法的流程以及实现的细节进行了说明,同时对这三个算法的实验结果进行了分析。