Stoer–Wagner 算法

定义

由于取消了 源汇点 的定义，我们需要对 割 的概念进行重定义．

（其实是网络流部分有关割的定义与维基百科不符，只是由于一般接触到的割都是「有源汇的最小割问题」，因此这个概念也就约定俗成了．）

割

去掉其中所有边能使一张网络流图不再连通（即分成两个子图）的边集称为图的割．

即：在无向图 $G = (V, E)$ 中，设 $C$ 为图 $G$ 中一些弧的集合，若从 $G$ 中删去 $C$ 中的所有弧能使图 $G$ 不是连通图，称 $C$ 图 $G$ 的一个割．

有源汇点的最小割问题

同 最小割 中的定义．

无源汇点的最小割问题

包含的弧的权和最小的割．也称为全局最小割．

显然，直接跑网络流的复杂度是行不通的．

Stoer–Wagner 算法

引入

Stoer–Wagner 算法在 1995 年由Mechthild Stoer与Frank Wagner提出，是一种通过 递归 的方式来解决 无向正权图 上的全局最小割问题的算法．

性质

算法复杂度 $O(|V||E| + |V|^{2}\log|V|)$ 一般可近似看作 $O(|V|^3)$．

它的实现基于以下基本事实：设图 $G$ 中有任意两点 $S, T$．那么任意一个图 $G$ 的割 $C$，或者有 $S, T$ 在同一连通块中，或者有 $C$ 是一个 ${S-T}$ 割．

过程

1. 在图 $G$ 中任意指定两点 $s, t$，并且以这两点作为源汇点求出图 $G$ 的 $S-T$ 最小割（定义为cut of phase），更新当前答案．
2. 「合并」点 $s, t$，如果图 $G$ 中 $|V|$ 大于 $1$，则回到第一步．
3. 输出所有cut of phase的最小值．

合并两点 $s, t$：删除 $s, t$ 之间的连边 $(s, t)$，对于 $G \setminus \{s, t\}$ 中任意一点 $k$，删除 $(t, k)$，并将其边权 $d(t, k)$ 加到 $d(s, k)$ 上

解释：如果 $s, t$ 在同一连通块，对于 $G \setminus \{s, t\}$ 中的一点 $k$，假如 $(k, s) \in C_{\min}$，那么 $(k, t) \in C_{\min}$ 也一定成立，否则因为 $s, t$ 连通，$k, t$ 连通，导致 $s, k$ 在同一连通块，此时 $C = C_{\min} \setminus \{(t, k)\}$ 将比 $C_{\min}$ 更优．反之亦然．所以 $s, t$ 可以看作同一点．

步骤 1 考虑了 $s,t$ 不在同一连通块的情形，步骤 2 考虑了剩余的情况．由于每次执行步骤 2 都会使 $|V|$ 减小 $1$，因此算法将在进行 $|V| - 1$ 后结束．

S-T 最小割的求法

（显然不是网络流．）

假设进行若干次合并以后，当前图 $G'=(V', E')$，执行步骤 1．

我们构造一个集合 $A$，初始时令 $A = \varnothing$．

我们每次将 $V'$ 中所有点中，满足 $i \notin A$，且权值函数 $w(A, i)$ 最大的节点加入集合 $A$，直到 $|A| = |V'|$．

其中权值函数的定义：

$w(A, i) = \sum_{j \in A} d(i, j)$

（若 $(i, j) \notin E'$，则 $d(i, j) = 0$）．

容易知道所有点加入 $A$ 的顺序是固定的，令 $\operatorname{ord}(i)$ 表示第 $i$ 个加入 $A$ 的点，$t = \operatorname{ord}(|V'|)$；$\operatorname{pos}(v)$ 表示 $v$ 被加入 $A$ 后 $|A|$ 的大小，即 $v$ 被加入的顺序．

则对任意点 $s$，一个 $s$ 到 $t$ 的割即为 $w(t)$．

证明

定义一个点 $v$ 被激活，当且仅当 $v$ 在加入 $A$ 中时，发现在 $A$ 此时最后一个点 $u$ 早于 $v$ 加入集合，并且在图 $G'' = (V', E'/C)$ 中，$u$ 与 $v$ 不在同一连通块．

如图，蓝色区域和黄色区域为两个不同的连通块，方括号中的数字为加入 $A$ 的顺序．灰色节点为活跃节点，白色节点则不是活跃节点．

定义 $A_v = \{u \mid \operatorname{pos}(u) < \operatorname{pos}(v)\}$，也就是严格早于 $v$ 加入 $A$ 的点，令 $E_v$ 为 $E'$ 的诱导子图（点集为 $A_v \cup\{v\}$）的边集．（注意包含点 $v$．）

定义诱导割 $C_v$ 为 $C \cap E_v$．$w(C_v) = \sum_{(i,j) \in C_v} d(i, j)$．

由于 $\operatorname{pos}(s) < \operatorname{pos}(t)$，并且 $s, t$ 不在同一连通块，因此 $t$ 会被激活，由此可以得出 $w(A_t, t) \le w(C_t) = w(C)$．

#include <cstring>
#include <iostream>
using namespace std;
constexpr int N = 601;
int fa[N], siz[N], edge[N][N];

int find(int x) { return fa[x] == x ? x : fa[x] = find(fa[x]); }

int dist[N], vis[N], bin[N];
int n, m;

int contract(int &s, int &t) {  // Find s,t
  memset(dist, 0, sizeof(dist));
  memset(vis, false, sizeof(vis));
  int i, j, k, mincut, maxc;
  for (i = 1; i <= n; i++) {
    k = -1;
    maxc = -1;
    for (j = 1; j <= n; j++)
      if (!bin[j] && !vis[j] && dist[j] > maxc) {
        k = j;
        maxc = dist[j];
      }
    if (k == -1) return mincut;
    s = t;
    t = k;
    mincut = maxc;
    vis[k] = true;
    for (j = 1; j <= n; j++)
      if (!bin[j] && !vis[j]) dist[j] += edge[k][j];
  }
  return mincut;
}

constexpr int inf = 0x3f3f3f3f;

int Stoer_Wagner() {
  int mincut, i, j, s, t, ans;
  for (mincut = inf, i = 1; i < n; i++) {
    ans = contract(s, t);
    bin[t] = true;
    if (mincut > ans) mincut = ans;
    if (mincut == 0) return 0;
    for (j = 1; j <= n; j++)
      if (!bin[j]) edge[s][j] = (edge[j][s] += edge[j][t]);
  }
  return mincut;
}

int main() {
  ios::sync_with_stdio(false), cin.tie(nullptr);
  cin >> n >> m;
  if (m < n - 1) {
    cout << 0;
    return 0;
  }
  for (int i = 1; i <= n; ++i) fa[i] = i, siz[i] = 1;
  for (int i = 1, u, v, w; i <= m; ++i) {
    cin >> u >> v >> w;
    int fu = find(u), fv = find(v);
    if (fu != fv) {
      if (siz[fu] > siz[fv]) swap(fu, fv);
      fa[fu] = fv, siz[fv] += siz[fu];
    }
    edge[u][v] += w, edge[v][u] += w;
  }
  int fr = find(1);
  if (siz[fr] != n) {
    cout << 0;
    return 0;
  }
  cout << Stoer_Wagner();
  return 0;
}

复杂度分析与优化

contract操作的复杂度为 $O(|E| + |V|\log|V|)$．

一共进行 $O(|V|)$ 次contract，总复杂度为 $O(|E||V| + |V|^2\log|V|)$．

根据 最短路 的经验，算法瓶颈在于找到权值最大的点．

在一次contract中需要找 $|V|$ 次堆顶，并递增地修改 $|E|$ 次权值．

斐波那契堆 可以胜任 $O(\log|V|)$ 查找堆顶和 $O(1)$ 递增修改权值的工作，理论复杂度可以达到 $O(|E| + |V|\log|V|)$，但是由于斐波那契堆常数过大，码量高，实际应用价值偏低．

（实际测试中开 O2 还要卡评测波动才能过．）