二分图的最大匹配+完美匹配+匈牙利算法（转载）

最新推荐文章于 2022-05-29 18:51:11 发布

信仰..

最新推荐文章于 2022-05-29 18:51:11 发布

阅读量1.2k

点赞数 1

分类专栏：匹配问题文章标签：匹配问题

匹配问题专栏收录该内容

11 篇文章 0 订阅

订阅专栏

二分图的最大匹配、完美匹配和匈牙利算法（转载）

一月 27, 2016 by 869628168 | No Comments

转载自 pi9nc http://blog.csdn.net/pi9nc/article/details/11848327

这篇文章讲无权二分图（unweighted bipartite graph）的最大匹配（maximum matching）和完美匹配（perfect matching），以及用于求解匹配的匈牙利算法（Hungarian Algorithm）；不讲带权二分图的最佳匹配。

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。二分图的一个等价定义是：不含有「含奇数条边的环」的图。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」（matching）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。

Bipartite Graph(1) Bipartite Graph(2) Matching Maximum Matching

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。

基本概念讲完了。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。

我们可以通过不停地找增广路来增加匹配中的匹配边和匹配点。找不到增广路时，达到最大匹配（这是增广路定理）。匈牙利算法正是这么做的。在给出匈牙利算法 DFS 和 BFS 版本的代码之前，先讲一下匈牙利树。

匈牙利树一般由 BFS 构造（类似于 BFS 树）。从一个未匹配点出发运行 BFS（唯一的限制是，必须走交替路），直到不能再扩展为止。例如，由图 7，可以得到如图 8 的一棵 BFS 树：

这棵树存在一个叶子节点为非匹配点（7 号），但是匈牙利树要求所有叶子节点均为匹配点，因此这不是一棵匈牙利树。如果原图中根本不含 7 号节点，那么从 2 号节点出发就会得到一棵匈牙利树。这种情况如图 9 所示（顺便说一句，图 8 中根节点 2 到非匹配叶子节点 7 显然是一条增广路，沿这条增广路扩充后将得到一个完美匹配）。

匈牙利算法的要点如下

从左边第 1 个顶点开始，挑选未匹配点进行搜索，寻找增广路。
1. 如果经过一个未匹配点，说明寻找成功。更新路径信息，匹配边数 +1，停止搜索。
2. 如果一直没有找到增广路，则不再从这个点开始搜索。事实上，此时搜索后会形成一棵匈牙利树。我们可以永久性地把它从图中删去，而不影响结果。
由于找到增广路之后需要沿着路径更新匹配，所以我们需要一个结构来记录路径上的点。DFS 版本通过函数调用隐式地使用一个栈，而 BFS 版本使用 prev 数组。

性能比较

两个版本的时间复杂度均为 O(V⋅E) 。 DFS 的优点是思路清晰、代码量少，但是性能不如 BFS。我测试了两种算法的性能。对于稀疏图，BFS 版本明显快于 DFS 版本；而对于稠密图两者则不相上下。在完全随机数据 9000 个顶点 4,0000 条边时前者领先后者大约 97.6%，9000 个顶点 100,0000 条边时前者领先后者 8.6%, 而达到 500,0000 条边时 BFS 仅领先 0.85%。

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 = 顶点数 – 最大独立数
定理3：最小路径覆盖数 = 顶点数 – 最大匹配数

以上为转载.
一下模板是自己用的。

然后关于一些定理的:
关于最小顶点覆盖,,首先,定义:寻找一个点集，使得图上任意一条边至少一个端点位于这个点集内部。然后我们可以思考,若最小点集小于最大匹配,那必然有些边的两个端点不在这个点集内,所以最小点集>=最大匹配,然后就看最大匹配是否满足点集的定义,若满足则其必然是最小的.此时,若有一条边,其两个顶点都不在最大匹配包含的顶点里的话,则最大匹配必然可以加1,所以图中每条边至少有一个端点在最大匹配包含的顶点集里.故最小顶点覆盖数=最大匹配.

关于最大独立集,证明了最小顶点覆盖集,最大独立集可以转换为,求一个最小的顶点集覆盖所有边,那么去掉这些点,则其他点必然无边相连,故顶点数-最小顶点覆盖数(最大匹配数) = 最大独立点数

关于有向无环图最小路径覆盖,显然一条路径只有一个结尾,此时问题就可以看作,寻找最多的可以不是结尾的点,也就是说这些点可以在一条路径中且不是最后一个,如果这个点集的最大个数找到,则最小路径覆盖=顶点数-点集最大值,然后什么样的点可以在路径中且不是最后一个呢,,就是有从它向后有点,也就是拆点建立二分图后,存在一条匹配x->y的话,那么这个x,即满足向后有点,即点y,所以最大匹配数就是最多有几个这样的点.也就是说最小路径覆盖数 = 顶点数 – 最大匹配数.

#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <algorithm>
#include <cmath>
#include <stack>
#include <queue>
#include <vector>
#include <map>
#include <string>
#include <iostream>
#define INF 0x3f3f3f3f
#define LL long long
#define N 100
using namespace std;
int a[N][N];
int px[N];
int py[N];
int nx,ny;
int dx[N];
int dy[N];
int dis;
bool vis[N];
bool searchpath()
{
    queue<int>Q;
    dis=INF;
    memset(dx,-1,sizeof(dx));
    memset(dy,-1,sizeof(dy));
    for(int i=1;i<=nx;i++)
       if(px[i]==-1)
       {
          Q.push(i);
          dx[i]=0;
       }
    while(!Q.empty())
    {
       int u=Q.front();
       Q.pop();
       if(dx[u]>dis) break;
       for(int v=1;v<=ny;v++)
       {
          if(a[u][v]&&dy[v]==-1)
          {
             dy[v]=dx[u]+1;
             if(py[v]==-1) dis=dy[v];
             else
             {
                dx[py[v]]=dy[v]+1;
                Q.push(py[v]);
             }
          }
       }
    }
    return dis!=INF;
}
int findpath(int u)
{
    for(int v=1;v<=ny;v++)
    {
       if(!vis[v]&&a[u][v]&&dy[v]==dx[u]+1)
       {
          vis[v]=1;
          if(py[v]!=-1&&dy[v]==dis) continue;
          if(py[v]==-1||findpath(py[v]))
          {
             py[v]=u;px[u]=v;
             return 1;
          }
       }
    }
    return 0;
}
int MaxMatch()
{
    int res=0;
    memset(px,-1,sizeof(px));
    memset(py,-1,sizeof(py));
    while(searchpath())
    {
       memset(vis,0,sizeof(vis));
       for(int i=1;i<=nx;i++)
          if(px[i]==-1) res+=findpath(i);
    }
    return res;
}