【苦力怕树】——Stoer_Wagner中的所谓“最大生成树”

本文介绍了Stoer-Wagner算法用于求解全局最小割问题,并提出了一个名为“苦力怕树”的生成树概念,该概念由作者所在机房自行定义,类似于Prim算法但维护的是边权之和。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

呃,你问Stoer_Wagner是什么?

是一种求全局最小割的算法,不妨自己baidu(我在写完这篇博客后会去写这个算法)

http://blog.youkuaiyun.com/vmurder/article/details/42240749


首先,苦力怕树是我们机房自己定义的一类生成树。

这里@一下 PoPoQQQ、jiangyuze831(16bitwar)、wyfcyx(msls)、Eolv


它的原理与prim求最小生成树类似。

不过prim是维护一个当前边权最小值,而它是当前边权之和。

举个例子



比如这个图,首先prim有一个vis数组,然后依照这个vis数组可以把整个图分成集合A和集合B。

                           (vis数组是什么不知道?回去补最短路吧孩子。

那么最小生成树中维护一个dis[B]表示的应该是min{len1,len2,len3……},

而苦力怕树中维护的dis[B]则是∑len  ,

当然,这里讲的len都是A集合中元素向B的直接连边,而dis[B]就是这些边权的和。



彩蛋。

Backgroud:

我说,大家给这种生成树起个名字吧,最大生成树太误导人了,

然后这个过程中某人说这个生成树  “屌!”


所以,姑且叫它苦力怕树吧,,知道MC的应该能明白它是什么……233*10086


来个正式版的background吧:

学Stoer_Wagner算法的苦力码农们大多都应该被网上的坑爹博客“最大生成树”坑过,

写个最大生成树,然后样例过了,发现WA了,然后……




这里贴一个全局最小割的代码:(BZOJ3345),不会SW算法的可以看我下一篇博客(忘写了的话留言提醒我填坑)

#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
#define N 510
#define M 10500
#define inf 0x3f3f3f3f
using namespace std;
struct KSD
{
	int u,v,len,next;
}e[M<<1];
int head[N],cnt;
inline void add(int u,int v,int len)
{
	cnt++;
	e[cnt].v=v;
	e[cnt].len=len;
	e[cnt].next=head[u];
	head[u]=cnt;
}
int n,m;
int dis[N],pre[N];
int next[N],final[N];
bool vis[N];
int f[N];int find(int x){return f[x]==x?x:f[x]=find(f[x]);}
inline void init()
{
	int i,j,k;
	memset(head,0,sizeof(head));
	for(cnt=1,i=1;i<=n;i++)f[i]=next[i]=final[i]=i;
}
inline int Stoer_Wagner()
{
	int ans=inf;
	int i,j,_n,r;
	int u,v,temp,lastu=0;
	for(_n=n;_n>1;_n--)
	{
		memset(dis,0,sizeof(dis));
		memset(vis,0,sizeof(vis));
		for(r=1;r<=_n;r++)
		{
			lastu=u;
			temp=-1;
			for(i=1;i<=n;i++)if(f[i]==i&&!vis[i])
			{
				if(temp<dis[i])temp=dis[i],u=i;
			}
			vis[u]=1;
			bool flag=0;
			for(j=u;;j=next[j])
			{
				if(j==final[u])flag=1;
				for(i=head[j];i;i=e[i].next)
				{
					v=find(e[i].v);
					if(v!=u)dis[v]+=e[i].len;
				}
				if(flag)break;
			}
		}
		ans=min(ans,dis[u]);
		f[u]=lastu;
		next[final[lastu]]=u;
		final[lastu]=final[u];
	}
	return ans;
}
int main()
{
	int i,j,k;
	int a,b,c;
	scanf("%d%d",&n,&m);
	init();
	while(m--)
	{
		scanf("%d%d%d",&a,&b,&c);
		add(a,b,c);
		add(b,a,c);
	}
	printf("%d\n",Stoer_Wagner());
	return 0;
}



<think>嗯,用户想了解Stoer-Wagner算法的实现和应用,特别是图的最小割问题。首先,我需要回忆一下这个算法的基本概念和步骤。根据引用的内容,Stoer-Wagner算法是用来找无向图的最小割的,而最小割就是去掉一些边使得图不连通,并且这些边的权值和最小。对吧? 接下来,我应该整理算法的步骤。根据引用3,算法的步骤包括初始化一个最小割值,选择一个起始点s加入集合A,然后计算权重函数W(A,p),找到最大的那个点作为新的s,重复直到所有点都加入A。最后合并最后两个加入的点,更新最小割,并继续这个过程直到图中只剩一个顶点。需要确认这些步骤是否正确,可能还需要解释每个步骤的具体操作,比如如何计算W(A,p),合并顶点时的操作等。 然后是关于实现方法的部分。用户可能想知道如何用代码实现这个算法,或者现有的库比如Boost中的实现。根据引用1和2,Boost库里的stoer_wagner_min_cut函数实现了这个算法,可能需要给出一个简单的示例代码或者说明如何使用Boost库中的这个函数。不过用户可能不会使用Boost,所以可能需要更通用的步骤说明,或者伪代码。 应用方面,引用中提到图像处理、网络流量管理等领域,需要具体举例说明这些应用场景。比如在图像分割中,最小割可以用于区分前景和背景;在网络中,最小割可能用于识别关键连接或者脆弱点。 另外,用户可能对算法的时间复杂度和优化感兴趣,但问题中没有直接提到,是否需要提及呢?根据问题,用户主要关注实现和应用,所以可能暂时不需要深入复杂度分析,但可以简单提到时间复杂度是O(n^3)或者O(mn + n² log n),根据引用5中的资料。 还需要注意算法的正确性证明,比如引用5提到的反证法,可能用户需要了解为什么这个算法有效,但可能属于进阶内容,可以简要说明。 可能用户还会混淆有向图和无向图的情况,需要指出Stoer-Wagner算法适用于无向图,而有向图的最小割可能需要其他方法,比如最大最小割定理相关算法。 现在需要组织这些信息,分步骤解释算法,给出实现方法(包括伪代码或Boost示例),以及应用场景。同时确保符合格式要求,比如行内数学公式用$...$,独立公式用$$...$$,正确使用LaTeX语法,比如合并顶点时的边权处理可以写成$w(u, v) = w(s, v) + w(t, v)$。 检查引用是否正确,比如步骤部分引用3,应用部分引用2和1,定义部分引用4。每个引用需要自然地插入到相关内容末尾,如算法步骤后的引用[^3],Boost实现的引用[^1][^2]。 可能还需要考虑用户的实际需求,比如他们是否希望自己编写代码,或者使用现有库,因此需要分开说明两种实现方式:手动实现和使用Boost库。Boost的示例代码可能需要用Python或其他语言,但Boost本身是C++库,所以示例可能需要用C++,但用户的问题中没有指定语言,可能需要用伪代码或者简要说明函数调用方法。 最后,生成相关问题,比如算法的复杂度、优化方法、与其他算法的比较等,确保问题与用户查询相关,并帮助进一步学习。</think>### Stoer-Wagner算法实现与应用详解 #### 一、算法核心思想 Stoer-Wagner算法用于求解**无向图的最小割**问题。最小割定义为:去掉一组边,使得图变为两个不连通的子图,且被去掉边的权重和最小。该算法通过**递归合并顶点**的方式逐步缩小图规模,最终得到全局最小割值[^4]。 #### 二、算法步骤 1. **初始化**:设最小割值$cut = \infty$。 2. **选择初始点**:任选一点$s$加入集合$A$。 3. **计算权重函数**:定义$W(A, p)$为集合$A$中所有点到外部点$p$的边权总和。 4. **贪心扩展集合**:每次选择使$W(A, p)$最大的外部点$p$加入$A$,直到$A = V$(所有点被遍历)。 5. **更新最小割**:将最后加入的两个点记为$s$和$t$,用$W(A, t)$更新$cut$。 6. **合并顶点**:新建顶点$u$,合并$s$和$t$的边权(即$w(u, v) = w(s, v) + w(t, v)$),删除$s$和$t$。 7. **递归操作**:重复上述步骤,直到图中仅剩1个顶点。 #### 三、实现方法 ##### 1. 手动实现(伪代码) ```python def stoer_wagner(graph): n = len(graph) min_cut = float('inf') # 合并顶点直至只剩一个点 for phase in range(n-1): a = 0 # 初始点可任选 visited = [False] * n wage = [0] * n prev = 0 for _ in range(n - phase - 1): visited[a] = True max_wage = -1 next_node = -1 # 更新外部点的权重 for v in range(n): if not visited[v]: wage[v] += graph[a][v] if wage[v] > max_wage: max_wage = wage[v] next_node = v prev = a a = next_node min_cut = min(min_cut, wage[a]) # 合并最后两个顶点s和t for v in range(n): graph[prev][v] += graph[a][v] graph[v][prev] = graph[prev][v] # 删除顶点a(此处可用数组标记实现) return min_cut ``` ##### 2. 使用Boost库(C++) Boost库提供了`stoer_wagner_min_cut`函数,可直接调用: ```cpp #include <boost/graph/adjacency_list.hpp> #include <boost/graph/stoer_wagner_min_cut.hpp> using namespace boost; int main() { typedef adjacency_list<vecS, vecS, undirectedS> Graph; Graph G; // 添加边和权重 add_edge(0, 1, 3, G); add_edge(1, 2, 5, G); // 计算最小割 int cut_weight = stoer_wagner_min_cut(G, get(edge_weight, G)); return 0; } ``` 调用时需注意图的类型必须为**无向图**,且边权需提前设置。 #### 四、应用场景 1. **图像分割**:将图像建模为图,通过最小割区分前景与背景区域。 2. **网络脆弱性分析**:识别通信网络中的关键连接,预防网络分裂。 3. **社交网络社区检测**:通过最小割发现紧密连接的子群体。 4. **电路设计优化**:减少电路模块间的干扰信号[^5]。 #### 五、算法特性 - **时间复杂度**:$O(n^3)$或$O(mn + n^2 \log n)$,取决于实现方式。 - **适用性**:仅适用于**无向图**,若需处理有向图需结合最大算法(如Ford-Fulkerson)。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值