图的最大匹配算法

最新推荐文章于 2024-03-02 18:49:25 发布

weixin_33895657

最新推荐文章于 2024-03-02 18:49:25 发布

阅读量3k

点赞数 1

本文介绍了图的最大匹配算法，特别是二分图的最大匹配。包括匈牙利算法和Hopcroft-Karp算法的详细步骤，并通过实例展示了这两种方法如何找到图的最大匹配。此外，还提到了一般图的最大匹配算法中的搜索树构建、奇数环处理和缩花操作。

摘要由CSDN通过智能技术生成

定义：在一个无向图中，定义一条边覆盖的点为这条边的两个端点。找到一个边集S包含最多的边，使得这个边集覆盖到的所有顶点中的每个顶点只被一条边覆盖。S的大小叫做图的最大匹配。

二分图的最大匹配算法：设左边集合为A集合，有边集合为B集合。二分图最大匹配常用的有两种方法。

（1）第一种方法叫做匈牙利算法。这个方法依次枚举A中的每个点，试图在B集合中找到一个匹配。对于A集合中一点x，假设B集合中有一个与其相连的点y，若y暂时还没有匹配点，那么x可以和y匹配，找到；否则，设y已经匹配的点为z（显然z是A集合中的一个点），那么，我们将尝试为z找到一个除了y之外的匹配点，若找到，那么x可以和y匹配，否则x不能与y匹配。

我们以下图为例说明匈牙利匹配算法。

step1：从1开始，找到右侧的点4，发现点4没有被匹配，所以找到了1的匹配点为4 。得到如下图：

step2：接下来，从2开始，试图在右边找到一个它的匹配点。我们枚举5，发现5还没有被匹配，于是找到了2的匹配点，为5.得到如下图：

step3:接下来，我们找3的匹配点。我们枚举了5，发现5已经有了匹配点2。此时，我们试图找到2除了5以外的另一个匹配点，我们发现，我们可以找到7，于是2可以匹配7，所以5可以匹配给3，得到如下图：

此时，结束，我们得到最大匹配为3。

（2）第二种方法叫做Hopcroft-Karp算法。这个算法大致思想与第一个方法相同。不同之处在于，这个方法每次找到一组互不相交的增广路径。我们用下面的例子说明。

step1：我们从所有未找到增广路径的点，也就是1,2,3,4开始，找增广路径，我们找到了1->2,3->3两条（左边的红线表示增广路径），然后沿着这些增广路径求匹配点，得到了右边的图，即1匹配2,3匹配3。

一般图的最大匹配算法：我们从一个没有匹配的节点s开始，使用BFS生成搜索树。每当发现一个节点u，如果u还没有被匹配，那么就可以进行一次成功的增广，即s匹配u；否则，我们就把节点u和它的配偶v一同接到树上，之后把ｖ丢进队列继续搜索。我们给每个在搜索树上的点一个类型：S或者T。当ｕ把它的配偶ｖ扔进队列的时候，我们把ｕ标记为T型，ｖ标记为S型。于是，搜索树的样子是这样的：

否则，我们找到了一个长度为奇数的环，如下图所示

就要进行一次“缩花”的操作！所谓缩花操作，就是把这个环缩成一个点。这个图缩花之后变成了５个点（一个大点，或者叫一朵花，加原来的４个点）：缩点完成之后，还要把原来环里面的T型点统统变成S型点，如下图

之所以能缩成一个点，是因为，一个长度为奇数的环（例如上图中的s-b-d-j-f-c-a-s），如果我们能够给它中的任意一个点找一个出度，那么环中的其他点正好可以配成对，这说明，每个点的出度都是等效的。这就是缩点的思想来源。

无向图最大匹配实现：

  1 #define MAXN 250
  2 
  3 class GraphMaxMatch
  4 {
  5 private:
  6     int que[MAXN],queHead,queTail;
  7     bool g[MAXN][MAXN];
  8     bool inque[MAXN],inblossom[MAXN];
  9     int match[MAXN],pre[MAXN],S[MAXN];
 10     int