流处理问题是图论中一类基础性问题,其求解算法在通信相关研究中有着重要的应用,城市交通的货物运输、快递物流的分派、最优路由、网络漏洞分析和网络服务调度等问题都可以转化为流处理问题进行研究;除此之外,流处理问题在大数据、图像处理以及应用数学的相关科学领域中都有着广泛的应用,这些领域的不断发展导致问题场景发生变化,因此相关算法需要不断的优化并深入研究。迄今为止,使用单机求解流处理问题的理论体系也逐步完善,学术界各领域有许多专家学者就流处理问题提出了大量优化方法。虽然目前流处理算法在图计算领域已经得到了一定的发展,但当网络图顶点个数达到较大规模时,仍然会存在计算结果准确率偏低、效率低下以及内存占用过高等问题。针对上述问题,本文针对流处理中具有通用性的最大流问题,提出了基于点割集的通用流处理加速算法。由于在任何网络中,最大流的值都等于最小割的容量,因此可从最小割的角度研究最大流的求解。基于遍历树生成点割集用于求解加速,并在单机和并行框架中验证算法的效果,本文主要研究内容如下:（1）研究基于点割集的预处理算法。所有遍历树的集合到所有割集都有映射。然而,这种映射在现有的方法中被完全忽略,这可能导致加速机会的丧失。因此,本文提出了基于遍历树生成点割集的方法进行预处理。创新性地选取由点割集到最小割值映射的角度,获取对偶问题最大流的值。算法原始步骤中已隐含独立子算法,非常适合后期扩展至并行计算环节。实验表明该方法不仅可有效提高后续的计算速度,完成对最大流求解过程的首次加速。还具有足够的通用性,不依赖于任何特殊的拓扑结构,可以在各种图结构中实现高加速度比和精度。（2）研究基于内嵌点割集预处理图的最大流加速算法。该方法通过在无向图中从不同的遍历树收集足够的割集,可以计算出任意节点对之间的最小割值上界为所有相关割集的最小值,再将精确的最小割值与高概率匹配。计算时根据原图与遍历树之间的映射关系仅将源汇点在目标遍历树中唯一路径上的顶点载入内存并参与计算,这样可有效缩减原始网络图的规模并减少计算中迭代次数从而实现加速效果。（3）研究基于GraphChi框架并行计算加速方法。由于源点不同,生成树也有所不同,结果可能存在差异,为保证实验准确性需在不同的遍历树中收集足够的割集进行计算。此过程可使用GraphChi框架将最小割计算步骤并行处理。实验选取六组数据集对基于GraphChi框架并行计算加速方法和基于内嵌点割集预处理图的最大流加速算法的计算时间进行了对比,基于GraphChi框架并行计算加速方法的速度明显较快。通过本次实验表明,该方法可有效的提高最大流求解过程的时间效率,完成该算法的二次加速。