二分图(bipartite praph)整理

最新推荐文章于 2023-08-03 17:27:19 发布

ghl_carmack

最新推荐文章于 2023-08-03 17:27:19 发布

阅读量1.2k

点赞数

分类专栏：算法 (Algorithms) 文章标签：算法 n2 扩展

本文链接：https://blog.csdn.net/ghl_carmack/article/details/5764759

版权

算法 (Algorithms) 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

设G=(V,E)是一个无向图。如顶点集V可分割为两个互不相交的子集V1,V2之并，并且图中每条边依附的两个顶点都分属于这两个不同的子集。则称图G为二分图（bipartite praph）。。二分图也可记为G=(V1,V2,E)。例如：

二部图SCG
表示学生与课程之间关系的二部图SCG，其顶点集由学生集和课程集组成。
图的匹配可形式描述如下：

给定一个图G=（V，{E}），若边集E的一个子集M中任意两条边都不依附图中同一顶点，则称M是图的一个匹配（matching），选择这样的边的最大子集称为图的最大匹配问题（maxiimal matching problem）。　　

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，完美匹配。
反映教师与课程关系的二部图TCG及它的一个最大匹配

　　求最大匹配的一种显而易见的算法是：先找出全部匹配，然后保留匹配数最多的。但是这个算法的时间复杂度为边数的指数级函数。因此，需要寻求一种更加高效的算法。下面介绍用增广路求最大匹配的方法(称作匈牙利算法，匈牙利数学家Edmonds于1965年提出)。
　　增广路的定义(也称增广轨或交错轨)：
　　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。
　　由增广路的定义可以推出下述三个结论：
　　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－将M和P进行异或操作(去同存异)可以得到一个更大的匹配M’。
　　3－M为G的最大匹配当且仅当不存在M的增广路径。
　　算法轮廓：
　　(1)置M为空
　　(2)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
　　(3)重复(2)操作直到找不出增广路径为止

时间空间复杂度

　　时间复杂度邻接矩阵：最坏为O(n^3) 邻接表：O(mn)
　　空间复杂度邻接矩阵：O(n^2) 邻接表：O(m+n)

邻接矩阵-C

#include <stdio.h> #include <string.h> int n1, n2, m, ans; int result[101]; //记录V2中的点匹配的点的编号 bool state [101]; //记录V2中的每个点是否被搜索过 bool data[101][101];//邻接矩阵 true代表有边相连 void init() { int t1, t2; memset(data, 0, sizeof(data)); memset(result, 0, sizeof(result)); ans = 0; scanf("%d%d%d", &n1, &n2, &m); for (int i = 1; i <= m; i++) { scanf("%d%d", &t1, &t2); data[t1][t2] = true; } return; } bool find(int a) { for (int i = 1; i <= n2; i++) { if (data[a][i] == 1 && !state[i]) //如果节点i与a相邻并且未被查找过 { state[i] = true; //标记i为已查找过 if (result[i] == 0 //如果i未在前一个匹配M中 || find(result[i])) //i在匹配M中，但是从与i相邻的节点出发可以有增广路 { result[i] = a; //记录查找成功记录 return true; //返回查找成功 } } } return false; } int main() { init(); for (int i = 1; i <= n1; i++) { memset(state, 0, sizeof(state)); //清空上次搜索时的标记 if (find(i)) ans++; //从节点i尝试扩展 } printf("%d/n", ans); return 0; }

二分图匹配算法总结

二分图最大匹配的匈牙利算法

二分图是这样一个图，它的顶点可以分类两个集合X和Y，所有的边关联在两个顶点中，恰好一个属于集合Ｘ，另一个属于集合Ｙ。

最大匹配：图中包含边数最多的匹配称为图的最大匹配。

完美匹配：如果所有点都在匹配边上，称这个最大匹配是完美匹配。

最小覆盖：最小覆盖要求用最少的点（Ｘ集合或Ｙ集合的都行）让每条边都至少和其中一个点关联。可以证明：最少的点（即覆盖数）＝最大匹配数

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Ｇ的所有结点。解决此类问题可以建立一个二分图模型。把所有顶点i拆成两个：Ｘ结点集中的i和Y结点集中的i',如果有边i->j，则在二分图中引入边i->j'，设二分图最大匹配为m,则结果就是n-m。

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．

如果图Ｇ满足二分图条件，则可以用二分图匹配来做．最大独立集点数 = N - 最大匹配数

第一次写文章，把自己从网站上看到的整理了一下，希望对大家有所帮助。