二分匹配——匈牙利算法和KM算法

一、二分图
定义：若把简单图G的顶点集分成两个不相交的非空集合V1和V2，使得图中每一条边都连接V1中的一个顶点和V2中的一个顶点（边的两个端点一个在V1中，另一个在V2中），则图G称为二分图，此时称（V1,V2）为G的顶点集的一个二部划分。

什么是简单图？
定义：图G的每条边都连接两个不同的顶点，且没有两条相同的边连接同一对顶点，则图 G 称为简单图。（没有多重边，没有一个顶点自身形成一个环）

二、判断一个图是否是二分图
定理：一个简单图是二分 图，当且仅当能够对图中任意相邻的两点赋予两种不同的颜色，使得没有一对相邻的顶点被赋予相同的颜色。（一个顶点只可能是两种颜色中的一种）

三、什么是匹配
一个匹配即是二分图中一个包含若干条边的集合，且其中任意两条边没有公共端点。所以一个二分图的匹配可以有多个。

四、最大匹配和完美匹配
1、顾名思义，在一个二分图的所有匹配中，包含边数最多的一个匹配就是最大匹配。
说到最大匹配，就顺便说一下最小点覆盖。因为最大匹配数 = 最小点覆盖
点覆盖的定义：图G=(V,E)中的一个点覆盖是一个集合S⊆V使得每一条边至少有一个端点在S中。
最小点覆盖顾名思义就是含最少元素的 S。

下面给出 最大匹配数 = 最小点覆盖 的证明（参考了其他博主的想法再结合自己的想法）

①最小点覆盖 <= 最大匹配数
若最大匹配数为 n ，则存在n条不相邻的边。取每一条边的一个端点，组成一个点集S，则最小点覆盖至少需要包含 |S|个点。

②最大匹配数 >= 最小点覆盖
对于最小点覆盖集S中的任一点，总有一条边连接该点与集合外的一点。若不存在这样的边，则所有以该点为端点的边同时有连接了S中的其他点，这样的话即使把该点从S中删去，得到原图的一个更小的点覆盖，这与S是最小点覆盖矛盾。所以对S中任一点v，存在一条连接v和不属于S的点w的边。对S中每一个v，都取这样一条边，构成一个边集E。下面证明E中每一条边都不相邻。若存在相邻的两条边，则存在v1、v2属于S且与S外同一点w相邻。由E的构成方式可知，在不属于S的点中，只有w与v1相邻，也只有w与v2相邻。有二分图的性质可知，在所有点中只有w与v1相邻，只有w与v2相邻，所以将S中的v1，v2删去，将w加入到S中，我们可以得到一个对于原图来说更小的点覆盖，这与S是最小点覆盖矛盾，所以E中每一条边都不相邻。所以E构成的了原图的一个匹配，所以最大匹配数 >= 最小点覆盖。

综上，最小点覆盖 == 最大匹配数。

2、若二分图的一个匹配为M，其划分为（V1，V2），若V1中每个顶点都是M中边的端点，即 |M| = |V1| （M中的边数等于V1的顶点数），则该匹配称为完美匹配。
所以，完美匹配一定是最大匹配，最大匹配不一定是完美匹配；且一个二分图肯定有最大匹配，但不一定有完美匹配。

五、最优匹配
最优匹配又称为带权最大匹配，是指在带有权值边的二分图中，求一个匹配使得匹配边上的权值和最大。一般求最优匹配时，所求二分图的划分（V1，V2）的顶点数相同，使得每一个顶点都需要被匹配，这样也就等同求出了完美匹配。如果V1和V2的顶点数不同，可以通过补点加权值0边实现转化，然后用KM算法解决。

说了那么多概念，接下来开始说算法了！！！

一、匈牙利算法——求二分图最大匹配

算法步骤：从一个未匹配的顶点出发，依次经过非匹配边、匹配边、非匹配边…形成一条路径，按此路径走找到第一个不同于起点的未匹配点V，则不再走下去。把起点和V的路径上的未匹配边都换成匹配边，已匹配边都换成未匹配边。重复这样，直到找不到这样的路径。

为什么这样就能得到最大匹配？
因为我们寻找的路径的起点和终点都是未匹配的点，且路径上的边是交替的，即是一条已经匹配的边和一条还未匹配的边交替存在。这样的话，这条路径上的未匹配边肯定比已经匹配的边多一（不清楚的话可以手动画一下）。将未匹配的边换成已经匹配的边，已经匹配的边换成未匹配的边，这样的话就形成一个比原匹配多一条边的匹配。当找不到这样一条路径时，我们就已经找到最大匹配了。
上述的路径称为增广路径。

这是我学习匈牙利算法时参考的博客，里面有图解

下面是匈牙利算法的DFS实现：
其中图的表示是用邻接表表示；我把算法封装成一个结构体

#include<vector>
using namespace