匈牙利算法

 匈牙利算法是用来求二分图的最大匹配的，它的核心问题就是找增广路径。匈牙利算法的时间复杂度为O(VE)， 
 其中V为二分图左边的顶点数，E为二分图中边的数目。

 增广路的特性：
 (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。

 很多问题都可以转化为二分图匹配模型。二分图有如下几种常见变形：

 (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）

 例如：

#include<iostream>
using namespace std;
/*匈牙利算法：
求解二分图的最大匹配问题
*/
#define N  4                        //左边的节点数
#define M  4                        //右边的节点数
int rightnode[M+1] = {0};           //里面保存与之匹配的左边节点的下标,下标从1开始，0未用
                                    //保存左边节点与右边节点的边的数组
bool line[N + 1][M + 1] = { { 0, 0, 0, 0, 0 },
                            { 0, 1, 1, 0, 0 },
                            { 0, 0, 1, 1, 0 },
                            { 0, 1, 1, 0, 0 },
                            { 0, 0, 0, 1, 0 }
                           };
bool used[M+1] = {false};     //右边节点是否被匹配

//寻找以x为起点的增广路，采用深度遍历的方式  x为左边的某一节点
bool  search_road(int x){
    for (int i = 1; i <=M;i++) //扫描右边的所有节点
    {
        if (line[x][i] == true && used[i] == false){
            used[i] = true;
            int temp = rightnode[i];
            if (temp == 0 || search_road(rightnode[i])){
                 rightnode[i] = x;
                 return true;
            }
        }
    }
    return false;
}
//返回最大的匹配数 
int  getMaxNum(){
    int max = 0;
    for (int i = 1; i <= N;i++)
    {
        for (int j = 1; j <=M; j++) used[j] = false;
        if (search_road(i)) max++;  
    }
    return max;
}