解决这个问题的一种方法是使用深度优先搜索（DFS）算法。我们可以将问题看作是一个图的遍历问题，其中每个节点表示一条鱼，节点之间的边表示能够吃掉对方的关系。

首先，我们需要根据给定的鱼的体积信息构建一个图。具体步骤如下：

1. 创建一个空的图。

2. 遍历所有的鱼，对于每条鱼，创建一个节点，并将其添加到图中。

3. 对于每对鱼，如果其中一条鱼的体积比另一条鱼小，则在它们之间添加一条有向边，表示可以吃掉对方。

接下来，我们可以使用DFS算法来遍历图，找到能够被感染的鱼的最小操作次数。具体步骤如下：

1. 创建一个记录已访问节点的集合，初始为空。

2. 从图中选择一个未访问的节点开始进行DFS遍历。

3. 在DFS遍历过程中，记录已访问的节点，并对当前节点的所有邻居进行递归调用DFS。

4. 在递归调用DFS之前，检查当前节点是否能够被感染。如果当前节点的体积小于任何已访问的节点，则将当前节点的体积更新为最小的已访问节点体积。

5. 在递归调用DFS之后，将当前节点从已访问集合中移除。

6. 返回DFS遍历过程中更新的最小操作次数。

下面是使用Python实现的示例代码：

class Fish:
    def __init__(self, volume):
        self.volume = volume
        self.neighbors = []

def build_graph(fish_volumes):
    fish = [Fish(volume) for volume in fish_volumes]
    
    for i in range(len(fish)):
        for j in range(len(fish)):
            if fish[i].volume < fish[j].volume:
                fish[i].neighbors.append(fish[j])
    
    return fish

def dfs(node, visited):
    visited.add(node)
    
    min_volume = node.volume
    
    for neighbor in node.neighbors:
        if neighbor not in visited:
            min_volume = min(min_volume, dfs(neighbor, visited))
    
    node.volume = min_volume
    
    visited.remove(node)
    
    return min_volume

def minimum_operations(fish_volumes):
    fish = build_graph(fish_volumes)
    visited = set()
    min_operations = 0
    
    for node in fish:
        if node not in visited:
            min_operations += dfs(node, visited)
    
    return min_operations


# 测试示例
fish_volumes = [5, 3, 8, 2, 6]
print(minimum_operations(fish_volumes))  # 输出4

在上面的示例代码中，我们首先使用build_graph函数构建了一个图，并通过DFS算法找到了最小操作次数。最后，我们使用示例输入进行了测试，并输出了最小操作次数。