图论学习-二分图初步

已于 2022-02-28 18:08:28 修改
阅读量837 收藏 1
点赞数 1
分类专栏： # 二分图、欧拉回路与欧拉路径 文章标签： 图论 学习 深度优先
于 2022-02-25 17:18:26 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45933509/article/details/123132293
版权

文章目录

二分图初步

一、二分图

1.1 二分图定义

图论中的一种特殊模型，设G=(V,E)是一个无向图，如果顶点V可分割为两个互不相交的子集(A,B)，并且同一集合中不同的两点没有边相连。
在这里插入图片描述
上图即是一个明显的二分图。
一个基本性质：二分图不含奇数环，含奇数环的图一定不是二分图。

1.2 染色法判二分图

(1) 图中不存在奇数环<=>一个图是二分图(定义)
(2) 图中不存在奇数环<=>染色过程中不存在矛盾
code:

#include<bits/stdc++.h>
using namespace std;

const int N = 1e5+10,M = 2*N;
int h[N],e[M],ne[M],w[M],idx;
int color[N];
void add(int a,int b,int c)
{
    e[idx] = b,w[idx] = c,ne[idx] = h[a],h[a] = idx++;
}
bool dfs(int u,int c)
{
    color[u] = c;
    for(int i = h[u];~i;i = ne[i])
    {
        int j = e[i];
        if(!color[j])
        {
            if(!dfs(j,3-c)) return false;
        }
        else
        {
            if(color[j]==c) return false;
        }
    }
    return true;
}
int main()
{
    memset(h,-1,sizeof h);
    int n,m;
    cin>>n>>m;
    for(int i = 1;i<=n;i++)
    {
        int a,b,c;
        cin>>a>>b>>c;
        add(a,b,c);
        add(b,a,c);
    }
    for(int i = 1;i<=n;i++)
    {
        if(!color[i]&&!dfs(i,1))
        {
            puts("No");
            return 0;
        }
    }
    puts("Yes");
    return 0;
}

例题：关押罪犯
二分+染色法

#include<bits/stdc++.h>
using namespace std;

const int N = 2e4+10,M = 2e5+10;
int h[N],e[M],ne[M],w[M],idx;
int n,m,mid;
int color[N];
void add(int a,int b,int c)
{
    e[idx] = b,w[idx] = c,ne[idx] = h[a],h[a] = idx++;
}
bool dfs(int u,int c)
{
    color[u] = c;
    for(int i = h[u];i!=-1;i = ne[i])
    {
        if(w[i]<mid) continue;
        int j = e[i];
        if(!color[j])
        {
            if(!dfs(j,3-c)) return false;
        }
        else if(color[j]==c) return false;
    }
    return true;
}
bool check(int x)
{
    memset(color,0,sizeof color);
    for(int i = 1;i<=n;i++)
    {
        if(!color[i]&&!dfs(i,1))
        {
            return false;
        }
    }
    return true;
}
int main()
{
    memset(h, -1, sizeof h);
    cin>>n>>m;
    while (m -- ){
        int a,b,c;
        cin>>a>>b>>c;
        add(a,b,c);
        add(b,a,c);
    }
    int l = 0, r = 1e9;
    while(l < r){
        mid = l + r >> 1;

        if(check(mid)) r = mid;
        else l = mid + 1;
    }
    if(n <= 2) cout << 0; 
    else cout << l - 1;
    return 0;
}
/*
作者：cqust_qilin02811
链接：https://www.acwing.com/activity/content/code/content/2671431/
来源：AcWing
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
*/

二、二分图匹配

2.0 定义

匹配：给定一个二分图G，在G的一个子图M中，M的边集{E}中的任意两条边都不依附于同一个顶点，则称M是一个匹配。图示：

最大匹配：边数最多的一组匹配
匹配点：在匹配中的点
增广路径：从任意一个非匹配点走，通过非匹配边走到一个匹配点，然后通过匹配边走到匹配点…，最后一定通过一个非匹配边走到一个非匹配点，这样的一条路径就是增广路径。
重要结论：最大匹配等价于不存在增广路径

2.1 匈牙利算法

用处：可以求二分图的最大匹配数量
模板题
这里给出匈牙利算法的过程：

  1. 准备一个match数组，保存这个点对应的匹配点是谁。
  2. 图中所有点被划分为两部分，选择任意一部分作为出发点
  3. 遍历选择的那部分的所有点，看当前遍历点X所有邻边所能到达的点P，只要点P没有被访问过，就把它访问，然后给它标记匹配点：即match[P] = X;然后return true；如果访问过，就看当前match[P]所对应的那个点能不能找到新的点去匹配，如果可以，则match[P] = X;return true;

code:

#include<bits/stdc++.h>
using namespace std;

const int N = 510,M = 2e5+10;
int n1,n2,m;
int h[N],e[M],ne[M],idx;
int match[N];
bool st[N];
void add(int a,int b)
{
    e[idx] = b,ne[idx] = h[a],h[a] = idx++;
}
bool find(int u)
{
    for(int i = h[u];~i;i = ne[i])
    {
        int j = e[i];
        if(!st[j])
        {
            st[j] = true;
            if(!match[j]||find(match[j]))
            {
                match[j] = u;return true;
            }
        }
    }
    return false;
}
int main()
{
    memset(h, -1, sizeof h);
    cin>>n1>>n2>>m;
    while (m -- ){
        int a,b;
        cin>>a>>b;
        add(a,b);
    }
    int cnt = 0;
    for(int i = 1;i<=n1;i++)
    {
        memset(st, 0, sizeof st);
        if(find(i))
            cnt++;
    }
    cout<<cnt;
    return 0;
}

例题：棋盘覆盖
并不用建图，二维数组本身就是图，对于一半的点做最大匹配即可。
在这里插入图片描述

#include<bits/stdc++.h>
using namespace std;

const int N = 110;
bool g[N][N];
int n,m;
int dx[4] = {-1, 0, 1, 0}, dy[4] = {0, 1, 0, -1};
typedef pair<int, int> PII;
#define x first
#define y second
PII match[N*N];
bool st[N*N];
bool find(int x,int y)
{
    for(int i = 0;i<4;i++)
    {
        int nx = dx[i]+x,ny = dy[i]+y;
        int id = (nx)*n+ny;
        if(nx<=0||ny<=0||nx>n||ny>n||st[id]||g[nx][ny]) continue;
        st[id] = true;
        PII t = match[id];
        if(t.x==-1||find(t.x,t.y))
        {
            match[id] = {x,y};
            return true;
        }
    }
    return false;
}
int main()
{
    memset(match,-1,sizeof match);
    cin>>n>>m;
    while (m -- ){
        int x,y;
        cin>>x>>y;
        g[x][y] = true;
    }
    int cnt = 0;
    for(int i = 1;i<=n;i++)
    {
        for(int j = 1;j<=n;j++)
        {
            if(g[i][j]) continue;
            memset(st, 0, sizeof st);
            if((i+j)%2==0&&find(i,j))
                cnt++;
        }
    }
    cout<<cnt;
    return 0;
}

三、最小覆盖问题

最大匹配数 = 最小点覆盖 = 总点数-最大独立集 = 总点数-最小路径覆盖

3.1 最小点覆盖

给定一个图（不一定是二分图），选出最少的点，使得所有的边能够被这些点访问到
最小点覆盖 = 最大匹配数(1)
例题：
机器任务
注意到让机器重启次数最小，实际上就是寻找最小点覆盖，也就是最大匹配数。
另外注意小细节，机器状态为0的时候不用重启，所以只需要建立状态大于等于1的图即可。

#include<bits/stdc++.h>
using namespace std;

const int N = 110,K = 1010,M = K*2;
int match[N];
int h[N],e[M],ne[M],idx;
int n,m,k;
bool st[N];
void add(int a,int b)
{
    e[idx] = b,ne[idx] = h[a],h[a] = idx++;
}
bool find(int u)
{
    for(int i = h[u];~i;i = ne[i])
    {
        int j = e[i];
        if(!st[j])
        {
            st[j] = true;
            if(!match[j]||find(match[j]))
            {
                match[j] = u;
                return true;
            }
        }
    }
    return false;
}
int main()
{
    while(cin>>n&&n)
    {  
        memset(h,-1,sizeof h);
        memset(match,0,sizeof match);
        cin>>m>>k;
        for(int i = 0;i<k;i++)
        {
            int id,a,b;
            cin>>id>>a>>b;
            if(!a||!b) continue;
            add(a,b);
        }
        int cnt = 0;
        for(int i = 1;i<=n;i++)
        {
            memset(st,0,sizeof st);
            if(find(i)) cnt++;
        }
        cout<<cnt<<endl;
    }
    return 0;
}

3.2 最大独立集与最大团

最大独立集定义：从一个图中选出最多的点，使得任意两个选出的点之间不存在边。
最大团定义：从一个图中选出最多的点，使得任意两个选出的点之间都存在边。
容易知道：最大团和最大独立集是互补关系。
原图的最大独立集就是补图的最大团。

在二分图中，求最大独立集：
等价于去掉最少的点使剩下的点都没有边。
等价于找最小点覆盖
等价于求最大匹配

总点数为n，最大匹配数量记为m
那么最大独立集 = n-m
例题：骑士放置
和棋盘覆盖那道题几乎一样。

code:

#include<bits/stdc++.h>
using namespace std;

const int N = 110;
typedef pair<int, int> PII;
int h[N],e[N*N],ne[N*N],idx,n,m,t;
bool st[N][N];
int g[N][N];
PII match[N][N];
int dx[8] = {-2, -1, 1, 2, 2, 1, -1, -2};
int dy[8] = {1, 2, 2, 1, -1, -2, -2, -1};

#define x first
#define y second

void add(int a,int b)
{
    e[idx] = b,ne[idx] = h[a],h[a] = idx++;
}
bool find(int x,int y)
{
    for(int k = 0;k<8;k++)
    {
        int nx = x+dx[k],ny = y+dy[k];
        if(nx<=0||ny<=0||nx>n||ny>m||g[nx][ny]) continue;        
        if(st[nx][ny]) continue;
        st[nx][ny] = true;
        PII &t = match[nx][ny];
        if(t.x==0||find(t.x,t.y))
        {
            match[nx][ny] = {x,y};
            return true;
        }
    }
    return false;
}
int main()
{
    memset(g,0,sizeof g);
    cin>>n>>m>>t;
    for(int i = 0;i<t;i++)
    {
        int x,y;
        cin>>x>>y;
        g[x][y] = 1;
    }
    int cnt = 0;
    for(int i = 1;i<=n;i++)
    {
        for(int j = 1;j<=m;j++)
        {
            if(g[i][j]||(i+j)%2==1) continue;            
            memset(st, 0, sizeof st);
            if(find(i,j)) cnt++;
        }
    }
    cout<<n*m-cnt-t;
    return 0;
}

3.3 最小路径点覆盖与最小路径重复点覆盖

最小路径点覆盖：
简称为最小路径覆盖。
针对有向无环图(DAG),最少用多少条互不相交的路径，可以将所有点覆盖。
互不相交：（点不重复，边也不重复）

技巧：拆点建图，把一个点分成两个点，分别为出点和入点
在这里插入图片描述
容易发现，拆点过后，得到的图一定是一个二分图

最小路径重复点覆盖：
即用多少条路径可以把图的所有点覆盖（不需要互不相交）

  1. 求传递闭包G’
  2. 在G’上求最小路径覆盖

求原图中互不相交路径数等价于求最大匹配。
详细证明见：大佬链接

参考资料

acwing算法基础课、提高课
大佬博客

cqust_qilin02811
关注
专栏目录
云计算实战应用案例精讲-【深度学习】多模态融合（论文篇四）
qq_36130719的博客
04-30 1173
能凸显数据特征，挖掘生理信号的时频域特征和时序特征的有效深度特征。学家们就情绪的基本特性达成了共识，认为情绪与人的生理变化相关联，持续时间短，连接和参数，网络模型的复杂度低，易于训练，该优势对于输入细粒度特征比如图像、分布函数描述系统的稳定状态，当系统处于有序状态时，概率分布集中，系统能量低，识别，充分利用多种模态的有效情感信息，开展相关实验并分析融合后分类性能。融合方式存在的优缺点，结合本数据集的特点，本文使用混合多模态融合方式将眼动、可以直观的描述情感表现，便于理解，但只是涵盖了小部分的情感状态。
Algorithm学习笔记 --- ACM算法分类
杨鑫newlife的专栏
04-25 1029
Algorithm学习笔记 --- ACM算法分类
二分图的相关定义
weixin_39454351的博客
03-30 397
二分图 什么是二分图 二分图的一个等价定义：不含有（含奇数条边的环）的图。图1是一个二分图。为了清晰，我们都把它画成图2的形式。 无向图G为二分图的充分必要条件是，G至少有两个顶点，且其所有回路的长度均为偶数。 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中红色的边。（匹配有很多种）。 我们定义匹配点、匹配边、未匹配点、未匹配边，它们的含义非常显然。例如图3中...
二分图基本概念
Itellboy
08-04 506
原文章来源：http://blog.sina.com.cn/s/blog_60707c0f010105yd.html
一种基于图论的分割图算法
sidnee的博客
06-27 1795
简述 分割图一直是图像识别的热门研究方向，主要完成的任务就是把图中某部分有意义的物体影像抠出来。比入在X光或CT透视中将某些特定的组织抠出来啥的。 主要原理 将图像映射为带权无向图, 把像素视作节点, 利用最小剪切准则得到图像的最佳分割。本质上将图像分割问题转化为最优化问题,。这个也可以看成类聚问题，对图中点的类聚，解决方法对数据类聚也有不错的应用前景。但现在KNN和K-means类聚已经比较完善了。令G= (V, E) 表示一个无向图, 其中节点vi∈V表示图像像素, 边 (vi, vj) ∈E连接节点v
二分图
weixin_42638946的博客
04-03 2748
二分图 1. 二分图原理 原理 二分图定义 二分图又称为二部图，如果一个点集可以被分成两个部分，所有的边都在这两个部分之间，而每个集合内部没有边，则称这个图是一个二分图。如下图： 显然（哈哈），如果一个图是二分图，则其去掉一些边之后还是二分图。 下面证明一个重要的定理：一个图是二分图  ⟺  \iff⟺图中不存在奇数环  ⟺  \iff⟺染色过程中不存在矛盾 首先证明：图中不存在奇数环  ⟺  \iff⟺染色过程中不存在矛盾 首先证明充分性：图中不存在奇数环⇒\Rightarrow⇒染
0x6A.图论 - 网络流初步
繁凡さん的博客
07-07 790
网络流初步学习
二部图与二分图算法初探
二部图（Bipartite Graph），也称为二分图，是图论中的一个重要概念。它是一种特殊的图，可以将图中的顶点分为两个不相交的集合U和V，并且图中的每条边连接的两个顶点分别属于集合U和集合V。 二部图的定义可以形式...
深度扩展器网络：基于图论的高效深度网络
深度扩展器网络：基于图论的高效深度网络Ameya PrabhuGirishVarmaAnoop Namboodiri视觉信息技术印度海得拉巴理工学院Kohli智能系统中心ameya.pandurang.gmail.com，{girish.varma，anoop}@iiit.ac.inhttps://github....
二 分 图
weixin_62224014的博客
02-15 1348
什么是二分图: 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 二分图的性质： 二分图不存在奇数环 染色法判定二分图 例题 给定一个nn个点mm条边的无向图，图中可能存在重边和自环。 请你判断这个图是否是二分图。 输入格式 第一行包含两个整数nn和mm。 接下来mm行，每行包含两个整数uu和vv，...
二分图中的名词定义
lois_123的专栏
07-19 305
二分图： 其所有顶点可以分成两个集合X和Y，其中X或Y中任意两个在同一集合中的点都不相连，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。 最大匹配数： 给定一个二分图G，M为G边集的一个子集，如果M满足当中的任意两条边都不依附于同一个顶点，则称M是一个匹配。图中包含边数最多的匹配称为图的最大匹配，其边数称为最大匹配数 ，可用匈牙利算法求解。 最小点覆盖： 二分图中，
二分图的定义及判定
qq_43721152的博客
03-28 474
二分图又称二部图，是图论中的一种特殊的模型。设G=（V,E）是一个无向图，如果顶点V可以分割成两个互不相交的子集（A，B），并且图中的每一条边（i,j）所关联的两个顶点分别属于A、B这两个顶点集，则称图G为一个二分图。 二分图的充要条件：G至少有两个顶点，且所有回路的长度均为偶数。 二分图的判定：在图中给每个顶点染色，把相邻的顶点染成不同颜色的问题叫做图的着色问题。对图进行染色所需要的最小颜...
二分图的定义及判定（Catch HDU - 3478）
m0_51938608的博客
05-11 304
二分图的定义 节点由两个集合组成，且两个集合内部没有边的图。 二分图的判定 由二分图的定义可知，二分图有着这样一个性质： 二分图不存在长度为奇数的环。 因为每一条边都是从一个集合走到另一个集合，只有走偶数次才可能回到同一个集合。 这条性质将被用来判定一个无向图是否是二分图。 我们通常使用染色法判定二分图，将每个顶点染色，并且相邻的顶点染不同颜色，如果存在俩相邻点染上了同一颜色，则与二分图定义不符。 例题 Catch HDU - 3478 A thief is running away! We can co
二分图(Bipartite Graph)
热门推荐
Hacket_Xu的博客
12-28 1万+
二分图の定义二分图又叫二部图，是图论中的一种特殊模型。假设S=(V,E)是一个无向图。如果顶点V可分割为两个互不相交的子集(A,B)，并且图中的每条边(i,j)所关联的两个顶点i和j分别属于这两个不同的顶点集(i in A,j in B)，就可以称图S为一个二分图。简单来说，就是顶点集V可分割为两个互不相交的子集，并且图中每条边依附的两个顶点都分属于这两个互不相交的子集，两个子集内的顶点不相邻。二分图の匹配。
二分图的认识
weixin_63444513的博客
08-22 184
若M包含于E，而且M中任何两条边不相邻，则称M是G的一个匹配；具有边数量最多的匹配称为最大匹配；二分图如果是没有权值的，求最大匹配，可以使用用匈牙利算法求最大匹配。如果带了权值，求最大或者最小权匹配（最佳匹配），则必须用KM算法。只要会求最大匹配，如果要求最小权匹配，则将权值取相反数，再把结果取相反数，那么最小权匹配就求出来了。3、判定：当图连通时，染色法，判断每个点与相邻点（有边相连的点）是否为异色，是的话则为二分图，否则不是；2、性质：G无环时与G有环，且每个环的结点数为偶数时，G为二分图；
二分图介绍
最新发布
Abstinence277的博客
10-08 64
二分图就是顶点集V可分割为两个互不相交的子集，并且图中每条边依附的两个顶点都分属于这两个互不相交的子集，两个子集内的顶点不相邻。
二分图（仅二分图基础讲解）
Mango.
08-18 1729
最最最最基础的二分图讲解！！！
二分图概念及相关
Happig的博客
11-17 519
二分图 无向图GGG的顶点集VVV可分割成两个互不相交的子集X,YX,YX,Y，并且图中的每条边连接的两个顶点一个在XXX中一个在YYY中，则称GGG为二分图。 图GGG的每个环的节点个数都为偶数时才为二分图；特殊地，节点数为000的图也可以称为二分图。 二分图的判断 判断一个图是否为二分图，采用“““染色法”””： 任选一个节点开始做DFS/BFSDFS/BFSDFS/BFS初始染一个颜色，当遍历节点uuu的子节点vvv时，若vvv未染色，则和uuu染成相反的颜色；若已染色，判断颜色和vvv是否相同，不
增广路定理与最大匹配算法解析-二分图
"增广路定理的证明-acm 算法 二分图" 本文主要探讨了增广路定理及其在二分图匹配中的应用。增广路定理是图论中的一种重要概念，特别是在求解最大匹配问题时起到关键作用。二分图是一种特殊的图，其节点可以分为两...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值