sw 最小算法

最近看sw最小割的论文，想把自己的理解写下来，算是对最近的一个总结吧。

1：基本概念：

割：在一个图G（V，E）中V是点集，E是边集。在E中去掉一个边集C使得G不连通，C就是图G的一个割；
最小割：在G（V，E）的所有割中，边权总和最小的就是最小割

全局最小割：删掉无向图中的边使得其不连通的最小代价 或在一个无向图中任取S和T,求最小割的最小值 

2：sw算法的用途：

Stoer-Wagner 算法用来求无向图 G=(V, E)的全局最小割

3：sw算法的思想：

sw的核心思想是迭代缩小规模：

设s和t是图G的2个顶点，图G的全局最小割要么是s-t的最小割，此时s和t在G的全局最小割的2个不同的子集中，或者是G中将s和t合并得的的新图G'的全局最小割，此时s和t在G的全局最小割的同一个子集中。所以只需要不断求出当前图中任意2个点的最小割，然后合并这2个点。不断缩小图的规模求得最小割

  伪代码；

    while |V|!=1:

while A！=V:

                A= {}

                A = {a}, #任选G中一点a到集合A中,

定义W(A, p)为A中的所有点到A外相邻一点p的权总和.
选出最大的W(A，P) ，并将p点加入到集合A中，
把最后进入A的两点记为s和t，其中s是倒数第二个被集合A中的点，t是倒数最以后一个进入集合点
把最后一个顶点t合并到倒数第二个顶点s中即：新建顶点U  边权w(u, A)=w(s, A)+w(t, A) 删除顶点s和t, 以及与它们                    相连的边

更新图G(V,E)  即更新 V

 4:代码会最近补上来。