minimum_node_cut

minimum_node_cut(G, s=None, t=None, flow_func=None)

返回一组与g断开连接的最小基数的节点。

如果提供了源节点和目标节点，则此函数返回一组最小基数的节点，如果删除这些节点，则会破坏g中源和目标之间的所有路径。如果没有，则返回一组断开g的最小基数的节点。

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

一组节点，如果被删除，将断开G的连接。如果提供了源节点和目标节点，则该集合包含的节点如果被删除，将破坏源和目标之间的所有路径。

参见

minimum_st_node_cut()

minimum_cut()

minimum_edge_cut()

stoer_wagner()

node_connectivity()

edge_connectivity()

maximum_flow()

edmonds_karp()

preflow_push()

shortest_augmenting_path()

笔记

这是基于流的最小结点割的实现。该算法基于求解大量的最大流计算，以确定与G的最小结点割相对应的辅助有向网络上的最小割的容量。它同时处理有向图和无向图。此实现基于 [1].

工具书类

1

Abdol Hossein Esfahanian。连接算法。http://www.cse.msu.edu/~cse835/papers/graph_connectivity_revised.pdf

实例

>>> # Platonic icosahedral graph has node connectivity 5
>>> G = nx.icosahedral_graph()
>>> node_cut = nx.minimum_node_cut(G)
>>> len(node_cut)
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
>>> node_cut == nx.minimum_node_cut(G, flow_func=shortest_augmenting_path)
True

如果指定一对节点（源和目标）作为参数，则此函数返回本地ST节点切割。

>>> len(nx.minimum_node_cut(G, 3, 7))
5

如果需要在同一个图上的不同节点对之间执行几个本地ST切割，建议您重用最大流计算中使用的数据结构。见 minimum_st_node_cut() 有关详细信息。