minimum_edge_cut#
- minimum_edge_cut(G, s=None, t=None, flow_func=None)[源代码]#
返回一组与g断开连接的最小基数的边。
如果提供了源节点和目标节点,则此函数返回最小基数的边集,如果移除该边集,则会中断g中源和目标之间的所有路径。否则,它将返回断开g的最小基数的边集。
- 参数
- G网络X图表
- s结点
源节点。可选的。默认值:无。
- t结点
目标节点。可选的。默认值:无。
- flow_func功能
一种函数,用于计算一对节点之间的最大流。该函数必须接受至少三个参数:有向图、源节点和目标节点。并返回遵循NetworkX约定的剩余网络(请参见
maximum_flow()
有关详细信息,请参见)。如果FLOW_FUNC为NONE,则默认的最大流量函数 (edmonds_karp()
)被使用。详情见下文。默认功能的选择可能因版本不同而有所不同,不应依赖。默认值:无。
- 返回
- cutset设置
一组边,如果删除,将断开G。如果提供了源节点和目标节点,则该集合包含的边,如果删除,将破坏源和目标之间的所有路径。
参见
minimum_st_edge_cut()
minimum_node_cut()
stoer_wagner()
node_connectivity()
edge_connectivity()
maximum_flow()
edmonds_karp()
preflow_push()
shortest_augmenting_path()
笔记
这是一种基于流的最小边切割实现。对于无向图,该算法的工作原理是找到G的一组占支配地位的节点(参见 [1]) 以及计算支配集中任意节点与其中其余节点之间的最大流。这是中算法6的一个实现 [1]. 对于有向图,该算法对最大流函数进行n次调用。如果有向图不是弱连通的,则该函数会引发错误,如果它是弱连通的,则返回空集。它是算法8在 [1].
工具书类
- 1(1,2,3)
Abdol Hossein Esfahanian。连接算法。http://www.cse.msu.edu/~cse835/papers/graph_connectivity_revised.pdf
实例
>>> # Platonic icosahedral graph has edge connectivity 5 >>> G = nx.icosahedral_graph() >>> len(nx.minimum_edge_cut(G)) 5
您可以使用可选的流算法进行底层最大流计算。在稠密网络中,算法
shortest_augmenting_path()
通常会比默认性能更好edmonds_karp()
对于高度倾斜度分布的稀疏网络来说,这一点更快。必须从流包显式导入可选流函数。>>> from networkx.algorithms.flow import shortest_augmenting_path >>> len(nx.minimum_edge_cut(G, flow_func=shortest_augmenting_path)) 5
如果指定一对节点(源和目标)作为参数,则此函数返回本地边缘连接的值。
>>> nx.edge_connectivity(G, 3, 7) 5
如果需要在同一个图上的不同节点对之间执行多个本地计算,建议重用最大流计算中使用的数据结构。见
local_edge_connectivity()
有关详细信息。