对于超图划分中的粗化部分的理解

超图划分一般可分为粗化、参数初始化、细化三个步骤。在粗化的过程中，超图被缩小为一个较小的图。粗化的算法可分为单层聚集和多层次聚集。

单层次聚集中仅允许两个节点合并成新的节点集，多层次则允许多个节点合并成为节点集。

这两种方法分别HCM/HCC为目标进行粗化。

HCM为net(u)∩net(v)，其大致步骤为：

1、随机选取未匹配的顶点u，设为新集点；

2、随机选择u的未匹配的邻接顶点v，选择与u共享超边最多的顶点v，即max(|net(u)∩net(v)|)。

3、将v合并到集点u中。

HCC则允许多个未匹配的顶点合并到集点中。