问题集： 您将获得一个称为ALG的随机算法，该算法将未定向的图G作为输入并在线性时间内输出具有以下属性的数字k：概率至少为1 / n，数字k是最小切割的大小现在有人想到通过运行ALG n次来增加获得最小切割尺寸的可能性（这导致O（n ^ 2）算法）。这是一种合理的方法吗？上述算法与Karger算法的主要区别是什么？
P（“ ALG得到minCut”）= 1 / n
P（“如果重复n次，ALG将获得minCut”）= 1-（1-1 / n）^ n <1-1 / e
因此，我们将概率从线性提高为常数，但将运行时间从线性降低为二次。
给出：Karger在O（n ^ 2 log n）中运行并获得最小割伤的概率至少为1 / log n
因此，要获得相同的成功概率，我们只需在Kargers上重复进行log（n），这样1-（1-1 / log n）^ log（n）= 1-e ^（-1） ALG算法。
n x ALG：运行时间= O（n ^ 2），成功1的概率-e ^（-1）
log（n）x Karger：运行时间= O（log n n ^ 2 log n），成功1的概率-e ^（-1）
如果有这样的ALG算法，那再好不过了，那就是Kargers。
此分析正确吗？还有什么我需要提的吗？