Karger-Stein分岐増幅の他のアプリケーション？

大学院のアルゴリズムクラスでKarger-Steinランダムミンカットアルゴリズムを教えました。これは本当のアルゴリズムの宝石なので、教えることはできませんが、メインテクニックの他のアプリケーションを知らないので、常にイライラさせられます。（だから、ポイントを家に導く宿題を割り当てるのは難しい。）

Karger and Steinのアルゴリズムは、以前のKargerのアルゴリズムを改良したもので、グラフの頂点が2つだけになるまでランダムなエッジを繰り返し縮小します。この単純なアルゴリズムは時間で実行され、確率Ω （1 / n 2）で最小カットを返します。ここで、nは入力グラフの頂点の数です。洗練された「再帰的収縮アルゴリズム」は、頂点の数がnからn / √に低下するまでランダムエッジを繰り返し収縮します。$O(n^2)$$\Omega(1/n^2)$$n$$n$、残りのグラフで再帰的に自分自身を2回呼び出し、結果の2つのカットのうち小さい方を返します。洗練されたアルゴリズムの簡単な実装は、O（n2logn）時間で実行され、確率Ω（1/logn）で最小カットを返します。（これらのアルゴリズムのより効率的な実装と、より優れたランダム化アルゴリズムがあります。）$n/\sqrt{2}$$O(n^2\log n)$$\Omega(1/\log n)$

同様の分岐増幅技術を使用するランダム化アルゴリズムは他にありますか？私は、グラフのカットを（明らかに）含まない例に特に興味があります。

@JeffE、これはグラフで最小重量サイクルを数える論文です。私が覚えている限りでは、それは間違いなくKargerのテクニック/結果に触発され、楽しい証拠でした。これが教育に役立つことを願っています。