最大权重匹配问题-匈牙利算法

最近有需求，想了解一下匈牙利算法。

把自己的理解记录一下，大家一起交流学习。主要参考：
http://www.cse.ust.hk/~golin/COMP572/Notes/Matching.pdf

1 问题定义

左边有一堆工人，右边有一堆工作；每个工人只能选一个工作，每个工作只能一个工人去做，要怎样去匹配工人和工作把这个收益最大化。

上述为二分图（Bipartite Graph 大家可以自行Google），由点(Vertex)和边(Edge)组成。

不失一般性，假设一些虚拟工人、工作、以及工人与工作的连线，用虚线表示且对应的收益为0，将原图扩展成一个Complete Weighted Graph。

（后面考虑均为Complete Weighted Graph，为了描述清晰省略虚拟边。）

2 Kuhn-Munkres Theorem

匈牙利算法两个最重要的点：1）用点的收益代替边的收益，对问题进行转换；2）Kuhn-Munkres理论告诉我们什么时候可以找到最优匹配。

给点打标(Label)，一个label $l$ 表示给所有点标上一个值；如果 $l(x)+l(y)\ge w(x,y),\forall x,y\in V$ 成立，称这个标为Feasible Label。

给定Feasible Label $l$，$E_l$为边的集合， E l = { ( x , y ) ∣ l ( x ) + l ( y ) = w ( x , y ) } E_l = \{(x,y) | l(x) + l(y) = w(x,y) \} El​={(x,y)∣l(x)+l(y)=w(x,y)}。下图给了两个Feasible标 $l_1,l_2$，以及对应的$E_{l_1},E_{l_2}$。

如果对应的匹配$(x,y)\in E_l$，则可以用两个点的label之和代替边的收益，即$l(x)+l(y)=w(x,y)$。

如果给每个工人都匹配了一个工作，我们称为Perfect Matching；如果这个匹配的收益是最大的，我们称之为Optimal Matching。
上图最右是一个Feasible Label以及对应的$E_l$，其中绿色的边表示一个Optimal Matching。

下面给出本文最重要的一个定理：

Theorem[Kuhn-Munkres]: 给定Feasible label $l$ ，如果$M$一个Perfect Matching并且$M\subset E_l$，那么$M$也是Optimal Matching。

上述定理不难证明。因为 $l$ 是Feasible label，任意其他匹配$M^{\prime }$，$w(M^{\prime })\le {\sum }_{x\in V}l(x)=w(M)$。

3 问题思考

如何找到一个Feasible Label $l$，并在对应的$E_l$中找到一个Perfect Matching，因为不是每个Feasible Label（如上图中）都能找到一个Perfect Matching。

不失一般性，从下图左开始，用左边每个点的最大收益给其打标 $l$。依次给$X_3,X_2$匹配$Y_1,Y_2$，当匹配$X_1$时发现$Y_2$已经被占用。这个时候有两个选择，1）$X_1$换一个匹配；2）$X_1$抢占$Y_2$，$X_2$换一个匹配。

如下图中，存在四种选择，但要确保选择是当前最优的一种选择，且选择之后仍然存在一个Feasible Label $l^{\prime }$，所有的匹配仍在$E_{l^{\prime }}$中。

3.1 Improve Label

令 S = { X 1 , X 2 } , T = { Y 2 } S=\{X_1,X_2\}, T=\{Y_2\} S={X1​,X2​},T={Y2​}；
令 Δ = m i n x ∈ S , y ∉ T { l ( x ) + l ( y ) − w ( x , y ) } \Delta = min_{x \in S,y \notin T }\{l(x)+l(y)-w(x,y)\} Δ=minx∈S,y∈/​T​{l(x)+l(y)−w(x,y)}；
$$l^{\prime }(v)=\{\begin{array}{ll}l(v)-\Delta & v\in S\\ l(v)+\Delta & v\in T\\ l(v)& otherwise\end{array}$$

根据上述操作，找到点$Y_3$对应的边，$\Delta =l(X_2)+l(Y_2)-w(X_2,Y_3)=2$。更新$X_1,X_2,Y_2$的label得到 $l^{\prime }$，如下图右。

由 $l\to l^{\prime }$，$l^{\prime }$仍是一个Feasible label，且$E_{l^{\prime }}$与$E_l$相比，多了一条边如下图右（可能多条）；其他已有匹配不变， { l ( x ) + l ( y ) = w ( x , y ) , ∀ ( x , y ) ∈ M } \{l(x)+l(y)=w(x,y),\forall(x,y) \in M\} {l(x)+l(y)=w(x,y),∀(x,y)∈M}。

3.2 解题思路

以上图为例子，介绍解题思路。

0. 选取$x$为某个未匹配的点，$S$为$x$在$E_l$中左侧关联点的集合，$T$为$x$在$E_l$中右侧关联点的集合。
   如上图$X_1$为未匹配的点，其中上图中， S = { X 1 , X 2 } , T = { Y 2 } S=\{X_1,X_2\}, T=\{Y_2\} S={X1​,X2​},T={Y2​}；上图右， S = { X 1 , X 2 } , T = { Y 2 , Y 3 } S=\{X_1,X_2\}, T=\{Y_2,Y_3\} S={X1​,X2​},T={Y2​,Y3​}

1. 如果存在$y\in T$没有配匹配，则我们一定能找到$path=x\to y_1\to x_1\to y_2\to x_2\to ...\to y_n\to x_n\to y$，然后给$x$找到匹配。
   （如上图右，$path=X_1\to Y_2\to X_2\to Y_3，$令$X_1$匹配$Y_2$，$X_2$匹配$Y_3$）

2. 如果所有$y\in T$都有匹配，我们一定能找到 Δ = m i n x ∈ S , y ∉ T { l ( x ) + l ( y ) − w ( x , y ) } \Delta = min_{x \in S,y \notin T }\{l(x)+l(y)-w(x,y)\} Δ=minx∈S,y∈/​T​{l(x)+l(y)−w(x,y)}和对应的点 $y^{\prime }\notin T$ ；
   Improve label $l\to l^{\prime }$，更新$S$和$T$（把$y^{\prime }$加入$T$），回到步骤0。
   （如上图中，找到$\Delta =2$和点 $Y_3$）

通过Improve Label操作，我们总是能增加一个点$y^{\prime }\notin T$到集合$T$，重复直到集合$T=Y$，那么一定存在一个点$y\in T$没有被匹配，那么我们一定能找到一条path让$x$找到匹配。

所以每次迭代，最多进行$V$次Improve Label操作，我们就能在某个Feasible lable对应的$E_l$中，为$x$找到匹配。
迭代$V$次，即可为每个点$x$找到匹配。这样我们找到了某个$E_l$下的Perfect Matching，即Optimal Matching。

4 匈牙利算法

给定Feasible lable $l$ 和对应的$E_l$。
定义点$u\in V$的邻居点集合： N l ( u ) = { v ∣ ( u , v ) ∈ E l } N_l(u)=\{v | (u, v) \in E_l\} Nl​(u)={v∣(u,v)∈El​}；
定义点集合$S\subset V$的邻居点集合：$N_l(S)={\cup }_{u\in S}{N}_l(u)$；

1. 初始化label l，在$E_l$下初始化匹配M
2. 如果M是perfect matching，找到最优解；
   否则，选择一个未匹配的点$x\in X$，令 S = { x } , Y = { ∅ } S=\{x\},Y=\{\empty \} S={x},Y={∅}
3. 如果$N_l(s)=T$，找到 Δ = m i n x ∈ S , y ∉ T { l ( x ) + l ( y ) − w ( x , y ) } \Delta = min_{x \in S,y \notin T }\{l(x)+l(y)-w(x,y)\} Δ=minx∈S,y∈/​T​{l(x)+l(y)−w(x,y)}，improve $l\to l^{\prime }$；
   如果$N_l(s)\ne T$，选一个$y\notin T$
   • 如果$y$没有被匹配，找一条path，为$x$找到匹配，回到步骤2
   • 如果$y$与$z$匹配，更新 S = S ∪ { z } S=S \cup \{z\} S=S∪{z}， T = T ∪ { y } T=T \cup \{y\} T=T∪{y}，回到步骤3

5复杂度分析

每次迭代，为一个点$x$找到匹配$O(V)$。

为$x$找匹配时，Improve Label会增加一点进$T$，最多更新$V$次，$O(V)$。

Improve Label时，需要找到 Δ = m i n x ∈ S , y ∉ T { l ( x ) + l ( y ) − w ( x , y ) } \Delta = min_{x \in S,y \notin T }\{l(x)+l(y)-w(x,y)\} Δ=minx∈S,y∈/​T​{l(x)+l(y)−w(x,y)}，$O(V)$。

总是，算法复杂度为$O(V^3)$。