匈牙利算法是利用增广路来求最大匹配的,关于增广路有如下性质:
(1)有奇数条边。
(2)起点在二分图的左半边,终点在右半边。
(3)路径上的点一定是一个在左半边,一个在右半边,交替出现。
(4)整条路径上没有重复的点。
(5)起点和终点都是目前还没有配对的点,而其它所有点都是已经配好对的。
(6)路径上的所有第奇数条边都不在原匹配中,所有第偶数条边都出现在原匹配中。
(7)最后,也是最重要的一条,把增广路径上的所有第奇数条边加入到原匹配中去,并把增广路径中的所有第偶数条边从原
匹配中删除(这个操作称为增广路径的取反),则新的匹配数就比原匹配数增加了1个。
同时从网上了解到有部分题目可以转换求最大匹配来做:
(1)二分图的最小顶点覆盖
最小顶点覆盖要求用最少的点(X或Y中都行),让每条边都至少和其中一个点关联。
Knoig定理:二分图的最小顶点覆盖数等于二分图的最大匹配数。
(2)DAG图的最小路径覆盖
用尽量少的不相交简单路径覆盖有向无环图(DAG)G的所有顶点,这就是DAG图的最小路径覆盖问题。
结论:DAG图的最小路径覆盖数 = 节点数(n)- 最大匹配数(m)
(3)二分图的最大独立集
最大独立集问题: 在N个点的图G中选出m个点,使这m个点两两之间没有边.求m最大值
结论:二分图的最大独立集数 = 节点数(n)— 最大匹配数(m)
邻接矩阵版:
主程序调用
int ans=0;
for (i=1;i<=p;i++)
{
memset(used,false,sizeof(used));
if (find(i))
ans++;
}
模板
bool find(int s)
{
int k;
for (k=1;k<=n;k++)
if (f[s][k] && !used[k])
{
used[k]=true;
if (part[k]==0 || find(part[k]))
{
part[k]=s;
return true;
}
}
return false;
}
next数组版:
模板
bool find(int s)
{
int k;
for (k=head[s];k;k=edge[k].next)
if (!used[edge[k].to])
{
used[edge[k].to]=true;
if (!part[edge[k].to] || find(part[edge[k].to]))
{
part[edge[k].to]=s;
return true;
}
}
return false;
}
建图
void add(int u,int v)
{
cnt++;
edge[cnt].next=head[u];
head[u]=cnt;
edge[cnt].to=v;
}