minimum_node_cut#
- minimum_node_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。