无向图最小割

最新推荐文章于 2022-02-24 20:21:43 发布

水蛙菌

最新推荐文章于 2022-02-24 20:21:43 发布

阅读量1.3w

点赞数 5

分类专栏：其他文章标签：图论数据结构算法无向图无向图最小割

本文链接：https://blog.csdn.net/qq_44826711/article/details/116045412

版权

其他专栏收录该内容

9 篇文章 4 订阅

订阅专栏

本文介绍了Stoer-Wagner算法在求解无向图最小割问题上的应用。该算法通过不断寻找并合并两点间的最小割来逐步减少图的节点数，最终得到全局最小割。算法的核心包括维护集合A，选取最大权值点加入集合，以及不断更新点集间的权值。通过优先队列优化，算法的时间复杂度可降低到O(nm+n^2logn)。

摘要由CSDN通过智能技术生成

用Stoer-Wagner算法求无向图最小割。

定理：对于图中任意两点 s 和 t 来说，无向图 G 的最小割要么为 s 到 t 的割，要么是生成图 G / {s, t} 的割（意思是把 s 和 t 合并）。

那么算法的主步骤就是求出当前图中某两点的最小割，并将这两点合并。

快速求当前图某两点的最小割的方式：
（1）维护一个集合A，初始里面只有v₁这个点（可以任意）；
（2）取一个最大的w(A, y)的点 y 放进 A 集合（集合到点的权值为集合内所有点到该点的权值和）；
（3）反复2步骤，直到 A 集和 G 集相等；
（4）设最后两个添加的点为 s 和 t，那么w(G - {t}, t)的值就是 s 到 t 的 cut 值。

struct Stoer_Wagner		//可以利用优先队列将复杂度优化到O(nm + n^2^logn) 
{
	int n, g[maxn][maxn], b[maxn], dist[maxn];		//g[i][j] 表示 i 和 j 两点之间的最大流量
	void init(int nn, int w[maxn][maxn])
	{
		int i, j;
		n = nn;
		for(i = 1; i <= n; ++i)
			for(j = 1; j <= n; ++j)
				g[i][j] = w[i][j];
	}
	int Min_Cut_Phase(int ph, int & x, int & y)
	{
		int i, j, t;
		b[t = 1] = ph;
		for(i = 1; i <= n; ++i)
			if(b[i] != ph) dist[i] = g[1][i];
		for(i = 1; i < n; ++i)
		{
			x = t;
			for(t = 0, j = 1; j <= n; ++j)
				if(b[j] != ph && (!t || dist[j] > dist[t])) t = j;
			b[t] = ph;
			for(j = 1; j <= n; ++j)
				if(b[j] != ph) dist[j] += g[t][j];
		}
		return y = t, dist[t];
	}
	void Merge(int x, int y)
	{
		int i;
		if(x > y) swap(x, y);
		for(i = 1; i <= n; ++i)
			if(i != x && i != y)
				g[i][x] += g[i][y], g[x][i] += g[i][y];
		if(y == n) return;
		for(i = 1; i < n; ++i)
			if(i != y)
			{
				swap(g[i][y], g[i][n]);
				swap(g[y][i], g[n][i]);
			}
	}
	int Min_Cut()
	{
		int i, ret = 0x3fffffff, x, y;
		memset(b, 0, sizeof(b));
		for(i = 1; n > 1; ++i, --n)
		{
			ret = min(ret, Min_Cut_Phase(i, x, y));
			Merge(x, y);
		}
		return ret;
	}
}