算法设计技巧与分析（十）：匹配(Matching)

---

匹配(Matching)

给定一个无向图G=(V,E)，|V|=n和|E|=m。G中的匹配是属于E的子集M，使M中的两条边没有共同的顶点。如果边e属于E在M中，则它是匹配的，否则是不匹配的或自由的。如果顶点v属于V与匹配的边关联，则它是匹配的，否则是不匹配的或自由的。匹配M的大小，即其中匹配边的数量，将用|M|表示。图中的最大匹配是最大基数的匹配。完美匹配是V中的每个顶点都匹配的匹配。

最大匹配问题需要一个子集M属于E具有最大数量的非重叠边；也就是说，M中没有两条边有共同的顶点。

几个重要概念：

• 给定无向图G=(V,E)中的匹配M，关于M的交替路径(alternating path)p是由匹配边和非匹配边交替组成的简单路径。p的长度用|p|表示。

• 如果交替路径的两个端点重合，则称为交替循环(alternating cycle)。

• 如果p中的所有匹配边都在M中且其端点是自由的，则相对于M的交替路径称为相对于M的增广路径(augmenting path)。

重要推论：无向图G中的匹配M最大当且仅当G不包含相对于M的增广路径。

一、匈牙利树方法(The Hungarian Tree Method for Bipartite Graphs)

二分图（二部图）

二分图又叫二部图。准确地说：把一个图的顶点划分为两个不相交子集 ，使得每一条边都分别连接两个集合中的顶点。如果存在这样的划分，则此图为一个二分图。

关于二部图有一个重要的定理：G为二部图的充要条件是G中的每一个圈的长度都是偶数。

前面的引理和推论提出了在二分图G中寻找最大匹配的过程：

• 从任意（例如空）匹配开始，我们在g中找到一条增广路径p，反转p中边的角色（匹配到不匹配，反之亦然），并重复该过程，直到不再有增广路径。

设G=(X并Y、E)是|X|+|Y|=n和|E|=m的二部图。设M是G中的一个匹配。我们称X中的一个顶点为X-顶点(x-vertex)。类似地，Y-顶点(y-vertex)表示Y中的顶点。

首先，我们选取一个自由的X-顶点，比如说r，并将其标记为外部(outer)。从r开始，我们生长一棵交替路径树(alternating path tree)，即，从根r到叶子的每一条路径都是交替路径的树。该树称为T，其构造如下：

• 从r开始，添加将r连接到Y-顶点y的每个不匹配边(r,y)，并标记y为内部(inner)。

• 对于与r相邻的每个Y-顶点y，如果存在匹配边，则将匹配边(y,z)添加到T，并将z标记为外部。

• 重复上述步骤并延伸树，直到遇到自由Y-顶点或树被阻止，即不能再延伸（请注意，没有顶点多次添加到树中）。

• 如果找到一个自由的Y-顶点，比如v，那么从根r到v的交替路径就是一条增广路径。另一方面，如果树被阻塞，那么在这种情况下，该树被称为匈牙利树(Hungarian Tree)。

• 接下来，我们从另一个自由x顶点（如果有）开始，并重复上述步骤。

由上述可知，在二分图中，最大匹配和完美匹配并不唯一，其搜索过程如下图所示：