PUNCH算法

第一步：找naturalcuts, 将图分成很多个cell，同一个cell里的点捏成一个点，仅保留naturalcuts作为边。

把连接较为松散的区域切开。

输入：无向图

输出：cells

目标：连接边数最少（权重最小）

步骤：

1)广度优先遍历

定义参数U为理想的cell大小。随机选取一个点v,做广度优先遍历，遍历到U个点的时候停止。前十分之一的点位core，最外面一圈的点的邻接点为ring。找core和ring之间的mincut。

继续随机选不在core里面的点重复这一步，直到所有的点都至少在一个core里面。

找到所有cut边之后，将连通区域捏起来，这样就得到了若干个点，每个点的size都小于U。新的图上每个点和边的权重都是组成它的点和边的权重之和。

2）Greedy

将联系比较紧密的点继续合并。贪婪的过程。

选一条边的两个端点捏成一个点，选取的标准是：要合并那些相对小而联系很紧密的点，因此边的权重要大，点的权重要小。对每条边打分：

重复这一过程，直到继续合并任何一条边的端点都大于size U 了就不能再合并了。

3）Local search

随机将一个条边的两个端点解开，其它的点不解开在进行第二步greedy的过程。如果找到更优的结果则保存。继续迭代进行此步。

 

难点：

计算mincut，采用pushrelabel算法。

pushrelabel算法简介：

目标是求最大流。最大流等于最小割，求出了最大流，自然就求出了min cut.

把网络想象成一个给定容量的管道系统，源点s可以提供无限的水流出来，往汇点t流。中间的节点想象成一个蓄水池，在中间状态下，蓄水池可以蓄无限多的水，但是到最终的稳定状态，中间节点上是不能有水的。如果往汇点流不过去了，得退回到源点。

该算法规定，流只能从高点往低点流。开始时，源点S的高度为V(点的个数)。汇点T的高度为0。中间点的高度也为0.

每个点上要存储两个变量，高度h，余流e。 初始时，源点余流为无穷大，其它点的余流为0.

首先从源点s输送尽可能多的流出去，也就是先把s的邻接边充满，s的邻接点的余流e更新。接下来s的邻接点要把自身的余流继续往下压。对于点A，当它的邻接点的高度没有低于它自身的高度的时候，就压不出去了，这时就进行重标记操作，也就是把A的高度赋值成它邻接点的最低高度加1。  （问题：邻接边如果都充满了呢？）

最终，有可能s发出来的所有流都到达了汇点，也有可能到不了，因为管道容量有限制，通过任何割的流量收到割的容量的限制。继续进行重标记压入操作，将中间点的余流流回源点S

要证明两个问题：

1 这个算法能够终止

2 算法终止时，能找出最大流

 

提高效率：

残余网路的概念：如果一条边（u，v）的容量是C(u,v),上面个已经有流f(u,v)了，那么残余容量就是c(u,v)-f(u,v). 残余网络上的边的权全是正数。

算法初始时，每条边上的流f都为0，因此残余网络与原始网络的边权c相同。将残余网络的边反向，从汇点做广度优先遍历，就可以知道每个节点到汇点的距离，以此来设置节点的高度。避免了中间多次的进行relabel操作。

程序运行一段时间之后，在进行同样的步骤，对于从反向残余网络上，汇点广度优先遍历不到的点，可以知道，在残余网络上这些点到汇点没有路可以走了，也就是这些点到汇点的路径已经被流充满了。因此这些点可以不用处理了。

1 

active node:

之前是：e(v)>0

改成：d(v)0

大约能提高两倍

2

初始状态

之前：d(v) = 0

改成：d(v) = min{distance(v,t),n}

3

存储active node的结构

两种方式，1 FIFO队列，O(n3)； 2 每次选取d最大的active node,O(n2根号m)

4 

global relabeling:从汇点做广度优先遍历，为图中的所有点设置新的高度。初始状态是所有点的高度设为n，汇点高度设为0，然后从残余网络上做广度优先，得到每个点到汇点的距离作为其新的高度，这样可以知道哪些点从汇点到不了了，这说明这些点到汇点的路上所有管道都已经满了，这样的点就可以不处理了，直接变成unactive

gap relabeling