二分图的最大匹配、完美匹配和匈牙利算法

二分图的最大匹配、完美匹配和匈牙利算法

这篇文章讲无权二分图的最大匹配和完美匹配，以及用于求解匹配的匈牙利算法（Hungarian Algorithm）。

二分图：简单来说，如果图中点可以被分为两组，并且使得所有边都跨越组的边界，则这就是一个二分图。准确地说：把一个图的顶点划分为两个不相交集  U   和  V  ，使得每一条边都分别连接 U  、  V   中的顶点。如果存在这样的划分，则此图为一个二分图。图 1 是一个二分图。为了清晰，我们以后都把它画成图 2 的形式。

匹配：在图论中，一个「匹配」是一个边的集合，其中任意两条边都没有公共顶点。例如，图 3、图 4 中红色的边就是图 2 的匹配。

      

我们定义匹配点、匹配边、未匹配点、非匹配边，它们的含义非常显然。例如图 3 中 1、4、5、7 为匹配点，其他顶点为未匹配点；1-5、4-7为匹配边，其他边为非匹配边。

最大匹配：一个图所有匹配中，所含匹配边数最多的匹配，称为这个图的最大匹配。图 4 是一个最大匹配，它包含 4 条匹配边。

完美匹配：如果一个图的某个匹配中，所有的顶点都是匹配点，那么它就是一个完美匹配。图 4 是一个完美匹配。显然，完美匹配一定是最大匹配（完美匹配的任何一个点都已经匹配，添加一条新的匹配边一定会与已有的匹配边冲突）。但并非每个图都存在完美匹配。

举例来说：如下图所示，如果在某一对男孩和女孩之间存在相连的边，就意味着他们彼此喜欢。是否可能让所有男孩和女孩两两配对，使得每对儿都互相喜欢呢？图论中，这就是完美匹配问题。如果换一个说法：最多有多少互相喜欢的男孩/女孩可以配对儿？这就是最大匹配问题。

求解最大匹配问题的一个算法是匈牙利算法，下面讲的概念都为这个算法服务。

交替路：从一个未匹配点出发，依次经过非匹配边、匹配边、非匹配边...形成的路径叫交替路。

增广路：从一个未匹配点出发，走交替路，如果途径另一个未匹配点（出发的点不算），则这条交替路称为增广路（agumenting path）。例如，图 5 中的一条增广路如图 6 所示（图中的匹配点均用红色标出）：

增广路有一个重要特点：非匹配边比匹配边多一条。因此，研究增广路的意义是改进匹配。只要把增广路中的匹配边和非匹配边的身份交换即可。由于中间的匹配节点不存在其他相连的匹配边，所以这样做不会破坏匹配的性质。交换后，图中的匹配边数目比原来多了 1 条。

匈牙利算法思想：

根据一个匹配是最大匹配当且仅当没有增广路,求最大匹配就是找增广路，直到找不到增广路，就找到了最大匹配。遍历每个点，查找增广路，若找到增广路，则修改匹配集和匹配数，否则，终止算法，返回最大匹配数。

 

增广路径必须满足的性质：

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。（其实二分图的性质就决定了这一点，因为二分图同一边的点之间没有边相连。）

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.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（奇数=偶数+1）。

匈牙利算法步骤：

令G = （X,*,Y）是一个二分图，其中，X = {x1,x2,...xm}, Y = {y1,y2,...yn}。令M为G中的任一个匹配

　(1)置M为空

　(2)从G中找出一个未匹配点v（增广路性质5要求的），如果没有则算法结束，否则，以v为起点，查找增广路（邻接点是为未匹配点，则返回寻找完成，若v的邻接点u是匹配点，则从u开始查找，直至查找到有未匹配点终止）即满足增广路的性质，如果没有找到增广路，则算法终止

   (3)找出一条增广路径P，通过异或操作获得更大的匹配M’代替M(方便要输出增广矩阵以及进一步查找)，匹配数加1（性质7得到）

　(4)重复(2)(3)操作直到找不出增广路径为止

匈牙利算法代码实现：

1. #define maxn 10  //表示x集合和y集合中顶点的最大个数！  
2.   int nx,ny;     //x集合和y集合中顶点的个数  
3.   int edge[maxn][maxn];    //edge[i][j]为1表示i、j可以匹配  
4.   int match[maxn];   //用来记录x集合中匹配的y元素是哪个  
5.   int visited[maxn];       //用来记录该顶点是否被访问过！  
6.   
7.   int path(int u)  
8.   {  
9.       int v;  
10.       for(v=1;v<=ny;v++)  
11.       {  
12.           if(edge[u][v]&&!visited[v])  
13.           {  
14.              visited[v]=1;  
15.              if(match[v]==0 || path(match[v])) 
16.                               //如果y集合中的v元素没有匹配 或者 是v已经匹配,又返回寻找。  
17.               {  
18.                   match[v]=u;   //找到增广路，修改匹配M  
19.                   return 1;  
20.               }  
21.           }  
22.       }  
23.       return 0;  
24.   }  
25.   
26.   int maxmatch()  
27.   {  
28.       int res=0;  
29.       memset(match,0,sizeof(match));  //初始值为0，表示两个集合中都没有匹配的元素！    
30.       for(int i=1;i<=nx;i++)  
31.       {  
32.            memset(visited,0,sizeof(visitited));  //重置标记为为访问  
33.            if(path(i))   //以 i 为起点开始查找增广路，返回true ，匹配数+1
34.              res++;    
35.       }  
36.       return res;  
37.   }  

补充定义和定理：

最大匹配数：最大匹配的匹配边的数目
最小点覆盖数：选取最少的点，使任意一条边至少有一个端点被选择
最大独立数：选取最多的点，使任意所选两点均不相连
最小路径覆盖数：对于一个 DAG（有向无环图），选取最少条路径，使得每个顶点属于且仅属于一条路径。路径长可以为 0（即单个点）。

定理1：最大匹配数 = 最小点覆盖数（这是 Konig 定理）
定理2：最大匹配数 = 最大独立数
定理3：最小路径覆盖数 = 顶点数 - 最大匹配数