二分图匹配——匈牙利算法

先上几个概念：
二分图：
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。如下图：

最大匹配：
在G的一个子图M中，M的边集中的任意两条边都不依附于同一个顶点，则称M是一个匹配。选择这样的边数最大的子集称为图的最大匹配问题,最大匹配的边数称为最大匹配数；

完全匹配：
如果一个匹配中，图中的每个顶点都和图中某条边相关联，则称此匹配为完全匹配，也称作完备匹配。

增广路径：
若P是图G中一条连通两个未匹配顶点的路径，并且属于M的边和不属于M的边(即已匹配和待匹配的边)在P上交替出现，则称P为相对于M的一条增广路径（举例来说，有A、B集合，增广路由A中一个点通向B中一个点，再由B中这个点通向A中一个点……交替进行）。

由增广路的定义可以推出下述五个结论：
1－P的路径长度必定为奇数，第一条边和最后一条边都不属于M。
2－不断寻找增广路可以得到一个更大的匹配M’，直到找不到更多的增广路。
3－M为G的最大匹配当且仅当不存在M的增广路径。
4－最大匹配数M+最大独立数N=总的结点数
5 – 二分图的最小路径覆盖数 = 原图点数 - 最大匹配数
增广路主要应用于匈牙利算法中，用于求二分图最大匹配。

匈牙利算法：
找上图的最大匹配：
首先A直接与a匹配；
然后在匹配B；
发现B与a匹配，但是A已经匹配过a了，此时撤掉A-a，将A重新匹配，发现A匹配了c；
接着B就匹配上a；再匹配C，C与a匹配，但已有B-a；此时先撤掉B-a，重新匹配B，结果B无法重新匹配，所以B-a不能撤去，然后C又可以匹配b，且b未匹配，此时匹配C-b；
接着匹配D，D与c可以匹配，但是已有A-c；撤掉A-c，重新匹配A；得到A的新匹配对象d，匹配A-d；
然后接着匹配D-c；
在匹配E，此时发现E无法再匹配，算法结束；

经过上面的过程，可以很容易的看出匈牙利算法的思想特点：
有坑就先占下，没坑，让前边的人挪一个坑；

代码实现：

int nx, ny;//x, y集合的点的数量;
int cx[1010], cy[1010];
//cx[i]=j: x集合中的i与y集合中的j匹配;
//cx[j]=i: y集合中的j与x集合中的i匹配;
int vis[1010];//标记集合中的点是否匹配过;
int edge[1010][1010];//相邻点的关系;
bool dfs(int u)//匹配x集合中的点u;
{
	for(int v=1; v<=ny; v++){
		if(!vis[v] && edge[u][v]){
			vis[v]=1;
			if(cy[v]==-1 || dfs(cy[v]))//有坑或者可以腾出一个坑; 
			{
				cy[v]=u;
				cx[u]=v;
				return true;
			}
		}
	}
	return false;
} 
int max_match(){
	int res=0;
	memset(cx, -1, sizeof(cx));
	memset(cy, -1, sizeof(cy));
	for(int i=1; i<=nx; i++){
		memset(vis, 0, sizeof(vis));//每匹配一个点都要初始化vis数组;
		if(dfs(i)) res++; 
	}
	return res;//返回最大匹配边数; 
}