图论关键节点算法：危险系数问题解析与实现

1. 题目背景与问题定义

这道来自蓝桥杯2013年第四届真题的"危险系数"问题，考察的是图论中关于网络关键节点的应用。题目背景设定在抗日战争时期的地道战场景，将实际军事问题抽象为图论模型。

给定一个由n个站点（顶点）和m条通道（边）组成的地道网络，我们需要计算两个特定站点u和v之间的危险系数DF(u,v)。危险系数的定义是：对于站点u和v，如果存在某个站点z，当z被破坏后u和v不再连通，那么z就是u和v的一个关键点。DF(u,v)的值就是u和v之间所有关键点的数量。

2. 问题分析与算法选择

2.1 图论模型建立

首先我们需要将地道网络建模为无向图：

• 站点 → 图的顶点
• 通道 → 图的边
• 网络连通性 → 图的连通性

2.2 关键点识别方法

识别关键点的核心思路是：对于每个可能的站点z（除了u和v本身），我们暂时移除它（及其所有边），然后检查u和v是否仍然连通。如果不连通，则z是一个关键点。

2.3 算法选择与优化

最直接的暴力解法是对每个顶点进行删除测试，但这样时间复杂度为O(n*(n+m))，对于n=1000的数据规模可能不够高效。更优的解法是利用以下观察：

关键点实际上就是u到v的所有路径都必须经过的点。因此我们可以：

1. 找到u到v的所有简单路径
2. 统计出现在所有路径上的顶点数量（不包括u和v本身）

这种方法可以使用DFS或BFS配合访问计数来实现。

3. 详细实现步骤

3.1 输入处理与图表示

python复制n, m = map(int, input().split())
graph = [[] for _ in range(n+1)]  # 邻接表表示，顶点编号1~n

for _ in range(m):
    u, v = map(int, input().split())
    graph[u].append(v)
    graph[v].append(u)

start, end = map(int, input().split())

3.2 连通性检查（BFS实现）

python复制from collections import deque

def is_connected(graph, start, end, e