#1122 : 二分图二•二分图最大匹配之匈牙利算法

43 篇文章 0 订阅
12 篇文章 0 订阅

描述

上一回我们已经将所有有问题的相亲情况表剔除了,那么接下来要做的就是安排相亲了。因为过年时间并不是很长,所以姑姑希望能够尽可能在一天安排比较多的相亲。由于一个人同一天只能和一个人相亲,所以要从当前的相亲情况表里选择尽可能多的组合,且每个人不会出现两次。不知道有没有什么好办法,对于当前给定的相亲情况表,能够算出最多能同时安排多少组相亲呢?

同样的,我们先将给定的情况表转换成图G=(V,E)。在上一回中我们已经知道这个图可以被染成黑白两色。不妨将所有表示女性的节点记为点集A,表示男性的节点记为点集B。则有A∪B=V。由问题可知所有边e的两个端点分别属于AB两个集合。则可以表示成如下的图:

同样的,我们将所有的边分为两个集合。集合S和集合M,同样有S∪M=E。边集S表示在这一轮相亲会中将要进行的相亲,边集M表示在不在这一次进行。对于任意边(u,v) ∈ S,我们称u和v为一组匹配,它们之间相互匹配。在图G,我们将边集S用实线表示,边集M用虚线表示。得到下图:

则原问题转化为,最多能选择多少条边到集合S,使得S集合中任何两条边不相邻(即有共同的顶点)。显然的,|S|<=Min{|A|, |B|}。

那么能不能找到一个算法,使得能够很容易计算出尽可能多的边能够放入集合S?我们不妨来看一个例子:

对于已经匹配的点我们先不考虑,我们从未匹配的点来做。这里我们选择A集合中尚未匹配的点(A3和A4)考虑:

对于A3点,我们可以发现A3与B4右边相连,且都未匹配。则直接将(A3,B4)边加入集合S即可。

对于A4点,我们发现和A4相连的B3,B4点都已经匹配了。但是再观察可以发现,如果我们将A2和B2相连,则可以将B3点空出来。那么就可以同时将(A2,B2),(A4,B3)相连。将原来的一个匹配变成了两个匹配。

让我们来仔细看看这一步:我们将这次变换中相关联的边标记出来,如下图所示紫色的3条边(A2,B2),(A2,B3),(A4,B3)。

这三条边构成了一条路径,可以发现这条路径有个非常特殊的性质。虚线和实线相互交错,并且起点和终点都是尚未匹配的点,且属于两个不同的集合。我们称这样的路径为交错路径。

再进一步分析,对于任意一条交错路径,虚线的数量一定比实线的数量多1。我们将虚线和实线交换一下,就变成了下面的图:

在原来1个匹配的基础上,我们得到了2个新的匹配,S集合边的数量也增加了1。并且原来在已经匹配的点仍然是已经匹配的状态。

再回头看看A3点匹配时的情况:对于(A3,B4)这一条路径,同样满足了交错路径的性质。

至此我们得到了一个找新匹配的有效算法:

选取一个未匹配的点,查找是否存在一条以它为起点的交错路径。若存在,将该交错路径的边虚实交换。否则在当前的情况下,该点找不到可以匹配的点。

又有对于已经匹配的点,该算法并不会改变一个点的匹配状态。所以当我们对所有未匹配的点都计算过后,仍然没有交错路径,则不可能找到更多的匹配。此时S集合中的边数即为最大边数,我们称为最大匹配数。

那么我们再一次梳理整个算法:

1. 依次枚举每一个点i; 
2. 若点i尚未匹配,则以此点为起点查询一次交错路径。

最后即可得到最大匹配数。

在这个基础上仍然有两个可以优化的地方:

1.对于点的枚举:当我们枚举了所有A中的点后,无需再枚举B中的点,就已经得到了最大匹配。
2.在查询交错路径的过程中,有可能出现Ai与Bj直接相连,其中Bj为已经匹配的点,且Bj之后找不到交错路径。之后又通过Ai查找到了一条交错路径{Ai,Bx,Ay,…,Az,Bj}延伸到Bj。由于之前已经计算过Bj没有交错路径,若此时再计算一次就有了额外的冗余。所以我们需要枚举每个Ai时记录B集合中的点是否已经查询过,起点不同时需要清空记录。

伪代码

输入

第1行:2个正整数,N,M(N表示点数 2≤N≤1,000,M表示边数1≤M≤5,000)
第2..M+1行:每行两个整数u,v,表示一条无向边(u,v)

输出

第1行:1个整数,表示最大匹配数

样例输入
5 4
3 2
1 3
5 4
1 5
样例输出
2

模板模板

代码:

#include <bits/stdc++.h>
#define MAXN 1510
using namespace std;

vector<int>G[MAXN];
int pipei[MAXN];
bool used[MAXN];
int N,T,M;
void init()
{
    for(int i=0;i<N;i++)G[i].clear();
    memset(G,0,sizeof(G));
}
void getMap()
{
    int u,v;
    for(int i=0;i<M;i++)
    {
            scanf("%d%d",&u,&v);
            G[u].push_back(v);
            G[v].push_back(u);
    }

}
int find(int x)
{
    for(int i = 0; i <G[x].size(); i++)
    {
        int y = G[x][i];
        if(!used[y])
        {
            used[y] = true;
            if(pipei[y] == -1 || find(pipei[y]))
            {
                pipei[y] = x;
                pipei[x] = y;
                return 1;
            }
        }
    }
    return 0;
}

void solve()
{
    int ans = 0;
    memset(pipei, -1, sizeof(pipei));
    for(int i = 1; i <=N; i++)
    {
        if(pipei[i]==-1)
        {
            memset(used, false, sizeof(used));
            ans += find(i);
        }
    }
    printf("%d\n",ans);
}

int main()
{


    while(~scanf("%d%d",&N,&M))
    {
        init();
        getMap();
        solve();
    }
    return 0;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
匈牙利算法是用于求解二分最大匹配的经典算法之一。它的基本思想是通过不断增广路径来寻找最大匹配。 首先,我们需要明确什么是二分匹配二分是指顶点可以分为两个互斥的集合,并且边只存在于不同集合之间的。而匹配则是指中的一种边的选择,使得任意两条边都没有公共顶点。 下面是匈牙利算法的基本步骤: 1. 初始化一个空的匹配集合,如一个空的字典或数组; 2. 对于左侧的每个顶点,尝试找到一个增广路径来扩展当前的匹配。增广路径可以通过深度优先搜索(DFS)来寻找; 3. 如果找到了增广路径,就将当前路径上的边添加到匹配集合中; 4. 重复步骤 2 和步骤 3,直到无法找到增广路径为止。 匈牙利算法的关键在于如何寻找增广路径。一种常见的方法是使用DFS来搜索增广路径。具体步骤如下: 1. 从左侧的一个未匹配顶点开始,进行DFS搜索; 2. 对于当前顶点,依次遍历与之相连的右侧顶点; 3. 如果右侧顶点未匹配,或者可以通过其他未访问的左侧顶点找到增广路径,就将当前右侧顶点与左侧顶点进行匹配,并返回成功; 4. 如果右侧顶点已经匹配,并且可以通过其他未访问的左侧顶点找到增广路径,就尝试将当前右侧顶点与其匹配的左侧顶点进行DFS搜索; 5. 如果无法找到增广路径,返回失败。 通过不断地寻找增广路径并扩展匹配集合,直到无法找到增广路径为止,最终得到的匹配集合就是二分的最大匹配。 需要注意的是,匈牙利算法的时间复杂度为O(VE),其中V表示二分中左侧顶点的数量,E表示边的数量。 希望能够帮到你!如有更多问题,请继续提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值