二分图及其算法

二分图

参见度娘

二分图又称作二部图，是图论中的一种特殊模型。 设 $G=(V,E)$是一个无向图，如果顶点$V$可分割为两个互不相交的子集 $(A,B)$，并且图中的每条边 $(i,j)$ 所关联的两个顶点 $i$ 和 $j$ 分别属于这两个不同的顶点集 $(i\in A,j\in B)$，则称图$G$为一个二分图。

下文用 $G$ 表示图，$V$ 表示点集， $E$ 表示边集，$A$ 表示二分图左边部分，$B$ 表示二分图右边部分，$w_i$ 表示边 $i$ 的权值，$s_i$ 表示点 $i$ 的顶标

匹配

二分图 $G=(V,E)$ 中，对于任意 $E_0\subseteq E$，如果 ∀ ( u , v ) ∈ E 0 , ( u 2 , v 2 ) ∈ e , { u , v } ∩ { u 2 , v 2 } = ∅ \forall (u,v)\in E_0 , (u_2,v_2)\in e, \{u,v\}\cap\{u_2,v_2\}=\varnothing ∀(u,v)∈E0​,(u2​,v2​)∈e,{u,v}∩{u2​,v2​}=∅，则称 $E_0$ 为 $G$ 的一个匹配。

完美匹配

二分图 $G=(V,E)$ 中，左右两部分为 $A$，$B$，对于匹配 $E_0$，如果 $|E_0|=|A|=|B|$，则称 $E_0$ 为 $G$ 的一个完全匹配。

最大匹配

二分图中，元素个数最多的匹配被称为最大匹配。

点覆盖

图 $G=(V,E)$ 中，对于任意 $V_0\subseteq V$，如果 $\forall (u,v)\in E,u\in V_0\vee u\in V_0$，则称 $V_0$ 为 $G$ 的一个点覆盖。

最小点覆盖

在任意图中，元素个数最少的点覆盖被称为最小点覆盖。

完全（完备）匹配

二分图 $G=(V,E)$ 中，左右两部分为 $A$，$B$，对于匹配 $E_0$，如果 ∣ E 0 ∣ = min ⁡ { ∣ A ∣ , ∣ B ∣ } |E_0| = \min\{|A|,|B|\} ∣E0​∣=min{∣A∣,∣B∣}，则称 $E_0$ 为 $G$ 的一个完全匹配。

最佳匹配

带权二分图中权值和最大的完备匹配被称为最佳匹配。

最大权匹配

带权二分图中权值和最大的匹配被称为最大权匹配

增广路径

二分图中，被选择的边和没被选择的边交替出现，而且前后一定是未选择的边的一条路径

顶标

二分图中每个点的一个变量，有什么用后面就知道了，我们用 $s$ 来表示。

相等子图

二分图 $G=(V,E)$ 中，如果存在一个匹配 $E_0\subseteq E$，使得 $\forall (u,v)\in E,w_{(u,v)}=s_u+s_v$，则 $(V,E_0)$ 为 $G$ 的一个相等子图。

性质

1. 点覆盖数 = 匹配数。
2. 最大匹配数 = 最小覆盖数。
3. 独立数 = 顶点数 - 最大匹配数。
4. DAG的最小路径覆盖，将每个点拆点后作最大匹配，结果为 n - m
5. 最大匹配数 = 左边匹配点 + 右边未匹配点
6. 最小边覆盖 = 最大独立集 = 点的个数 - 最大匹配数。

最大匹配算法 - 匈牙利算法

寻找增广路径，然后扩展。没找到就完成了。

最大匹配算法 - 网络流算法

增加超级源点和超级汇点，超级源点连向每个左边节点，然后左边节点按照图中原有边连向右边节点，每个右边节点又连向超级汇点。

每条边权值设为 $1$，跑一遍，搞定了。

最大权匹配算法 - 网络流算法

增加超级源点和超级汇点，超级源点连向每个左边节点，然后左边节点按照图中原有边连向右边节点，每个右边节点又连向超级汇点。

每条新增的边权值设为 $\inf$，每条原有边权值不变。

最佳匹配算法 - KM算法

顶标就用上了。KM算法遵循一个原则：对于任意边 $(u,v)$，$w_{(u,v)}\le s_u+s_v$

流程：

1. 初始化顶标
2. 用匈牙利算法从相等子图中找完备匹配。
3. 如果有完备匹配，说明找到最佳匹配了。
4. 如果没有完备匹配，修改顶标并重新从第二步开始。

问题来了，如何修改顶标？

我们可以让相等子图在原二分图的左边的节点全部值减去一个值 $d$，右边全部加上 $d$。

这样可以保证相等子图只增加，不减少。

设 $u$ 在二分图左边，$v$ 在右边。

如果 $u,v$ 都在相等子图中，则 $w_{(u,v)}$ 值不变。

如果 $u$ 在相等子图中，$v$ 不在，则 $w_{(u,v)}=s_u+s_v-d<s_u+s_v$，可能会增加到相等子图中。

如果 $v$ 在相等子图中，$u$ 不在，则 $w_{(u,v)}=s_u+s_v+d>s_u+s_v$，不会增加到相等子图中。

如果 $u,v$ 都不在相等子图中，则 $w_{(u,v)}$ 值不变。

所以 $d$ 取值？取 $s_u+s_v-w_{(u,v)}$ 的最小值。

KM 算法到此结束。