关于二分图的常用算法-匈牙利算法
匈牙利算法的原理为:从当前匹配M(如果没有匹配,则初始匹配为M=∅)出发,检查每一个未盖点,然后从它出发寻找可增广路,找到可增广路,则沿着这条可增广路进行扩充,直到不存在可增广路为止。
根据从未盖点出发寻找可增广路搜索的方法,可以分为:①DFS增广;②BFS增广;③多增广路
模板1:
/*
将二分图的一边设为X集合,一边为Y集合
*/
#include<iostream>
#include<cstring>
using namespace std;
const int MAXN = 105;//顶点数上限
int map[MAXN][MAXN];//图
int link[MAXN], vis[MAXN];
//link[i]表示:Y集合的i点和X集合的link[i]匹配
//vis[i]:Y集合中点i访问标记
bool find(int x)
{
for (int i = 0; i < MAXN; i++)
{
if (map[x][i] && !vis[i])//如果节点i与x相邻并且未访问过
{
vis[i] = 1;//标记访问
if (link[i] == -1 || find(link[i]))
{//如果v没有匹配,或者v已经匹配了,但从link[u]出发可以找到增广路
link[i] = x;//把x匹配给i
return true;
}
}
}
return false;
}
int MaxMatch()//求二分图最大匹配的匈牙利算法
{
int res = 0;//所求得的最大匹配
memset(link, -1, sizeof(link));
从0匹配开始增广,将link各元素初始化为-1
for (int i = 0; i<MAXN; i++)
{
memset(vis, 0, sizeof(vis));
if (find(i))//每找到一条增广路,可使得匹配数加1
{
res++;
}
}
return res;
}
模板2:比模板1时间复杂度要低,应用STL里的vector
/*
将二分图的一边设为X集合,一边为Y集合
*/
#include<iostream>
#include<cstring>
#include<vector>
using namespace std;
const int MAXN = 105;//顶点数上限
vector<int>map[MAXN];//图
//邻接表比邻接矩阵时间复杂度要低。 因为直接保存了边相连的信息
int link[MAXN], vis[MAXN];
//link[i]表示:Y集合的i点和X集合的link[i]匹配
//vis[i]:Y集合中点i访问标记
int n, m, u, v;//顶点数 边数 临时的边变量u->v
bool find(int x)
{
for (int i = 0; i < map[x].size(); i++)
{
int u = map[x][i];
if (!vis[u])//如果节点u未访问过
{
vis[u] = 1;//标记访问
if (link[u] == -1 || find(link[u]))
{//如果v没有匹配,或者v已经匹配了,但从link[u]出发可以找到增广路
link[u] = x;//把x匹配给u
return true;
}
}
}
return false;
}
int MaxMatch()//求二分图最大匹配的匈牙利算法
{
int res = 0;//所求得的最大匹配
memset(link, -1, sizeof(link));
从0匹配开始增广,将link各元素初始化为-1
for (int i = 0; i<n; i++)
{
memset(vis, 0, sizeof(vis));
if (find(i))//每找到一条增广路,可使得匹配数加1
{
res++;
}
}
return res;
}
int main()
{
scanf("%d", &n);//顶点数
scanf("%d", &m);//边数
memset(link, -1, sizeof(link));
for (int i = 0; i < m; i++)
{
scanf("%d%d", &u, &v);
map[u].push_back(v);//直接保存边相连的信息
}
MaxMatch();
for(int i = 0; i < n; i++)//清除数组map的信息
{
map[i].clear();
}
}
真正求二分图的最大匹配的题目很少,往往做一些简单的变化:
变种1:二分图的最小顶点覆盖
最小顶点覆盖要求用最少的点(X或Y中都行),让每条边都至少和其中一个点关联。
knoig定理:二分图的最小顶点覆盖数 = 二分图的最大匹配数(m)。
变种2:DAG图的最小路径覆盖
用尽量少的不相交简单路径覆盖有向无环图(DAG)G的所有顶点,这就是DAG图的最小路径覆盖问题。
结论:DAG图的最小路径覆盖数 = 节点数(n)- 最大匹配数(m)
变种3:二分图的最大独立集
结论:二分图的最大独立集数 = 节点数(n)— 最大匹配数(m)
1。一个二分图中的最大匹配数等于这个图中的最小点覆盖数
König定理是一个二分图中很重要的定理,它的意思是,一个二分图中的最大匹配数等于这个图中的最小点覆盖数。如果你还不知道什么是最小点覆盖,我也在这里说一下:假如选了一个点就相当于覆盖了以它为端点的所有边,你需要选择最少的点来覆盖所有的边。
2。最小路径覆盖=最小路径覆盖=|G|-最大匹配数
在一个N*N的有向图中,路径覆盖就是在图中找一些路经,使之覆盖了图中的所有顶点,
且任何一个顶点有且只有一条路径与之关联;(如果把这些路径中的每条路径从它的起始点走到它的终点,
那么恰好可以经过图中的每个顶点一次且仅一次);如果不考虑图中存在回路,那么每每条路径就是一个弱连通子集.
由上面可以得出:
1.一个单独的顶点是一条路径;
2.如果存在一路径p1,p2,......pk,其中p1 为起点,pk为终点,那么在覆盖图中,顶点p1,p2,......pk不再与其它的
顶点之间存在有向边.
最小路径覆盖就是找出最小的路径条数,使之成为G的一个路径覆盖.
路径覆盖与二分图匹配的关系:最小路径覆盖=|G|-最大匹配数;
3。二分图最大独立集=顶点数-二分图最大匹配
独立集:图中任意两个顶点都不相连的顶点集合。