Python NetworkX stoer_wagner用法及代码示例

使用 Stoer-Wagner 算法返回加权最小边切割。

使用Stoer-Wagner 算法确定连通图的最小边切割。在加权情况下，所有权重必须为非负数。

算法的运行时间取决于所使用的堆类型：

参数：

G：NetworkX 图

图的边应该有一个由下面的权重参数命名的属性。如果此属性不存在，则认为边具有单位权重。

weight：string

边的权重属性的名称。如果该属性不存在，则假定为单位重量。默认值：‘weight’。

heap：类

算法中使用的堆类型。它应该是MinHeap 的子类或实现兼容的接口。

如果要使用库存堆实现，尽管渐近运行时间较慢，但对于没有优化属性访问的 Python 实现(例如 CPython)，建议使用 BinaryHeap 而不是 PairingHeap。对于具有优化属性访问的 Python 实现(例如 PyPy)，PairingHeap 提供更好的性能。默认值：BinaryHeap。

返回：

cut_value：整数或浮点数

最小切割中边的权重之和。

partition：一对节点列表

定义最小割的节点分区。

抛出：

NetworkXNotImplemented

如果图是有向图或多重图。

NetworkXError

如果图形的节点少于两个、未连接或具有negative-weighted 边。

例子：

>>> G = nx.Graph()
>>> G.add_edge("x", "a", weight=3)
>>> G.add_edge("x", "b", weight=1)
>>> G.add_edge("a", "c", weight=3)
>>> G.add_edge("b", "c", weight=5)
>>> G.add_edge("b", "d", weight=4)
>>> G.add_edge("d", "e", weight=2)
>>> G.add_edge("c", "y", weight=2)
>>> G.add_edge("e", "y", weight=3)
>>> cut_value, partition = nx.stoer_wagner(G)
>>> cut_value
4