Python NetworkX stoer_wagner用法及代碼示例

使用 Stoer-Wagner 算法返回加權最小邊切割。

使用Stoer-Wagner 算法確定連通圖的最小邊切割。在加權情況下，所有權重必須為非負數。

算法的運行時間取決於所使用的堆類型：

參數：

G：NetworkX 圖

圖的邊應該有一個由下麵的權重參數命名的屬性。如果此屬性不存在，則認為邊具有單位權重。

weight：string

邊的權重屬性的名稱。如果該屬性不存在，則假定為單位重量。默認值：‘weight’。

heap：類

算法中使用的堆類型。它應該是MinHeap 的子類或實現兼容的接口。

如果要使用庫存堆實現，盡管漸近運行時間較慢，但對於沒有優化屬性訪問的 Python 實現(例如 CPython)，建議使用 BinaryHeap 而不是 PairingHeap。對於具有優化屬性訪問的 Python 實現(例如 PyPy)，PairingHeap 提供更好的性能。默認值：BinaryHeap。

返回：

cut_value：整數或浮點數

最小切割中邊的權重之和。

partition：一對節點列表

定義最小割的節點分區。

拋出：

NetworkXNotImplemented

如果圖是有向圖或多重圖。

NetworkXError

如果圖形的節點少於兩個、未連接或具有negative-weighted 邊。

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