python dfs算法_匈牙利&KM算法

本文介绍图论中的匈牙利算法以及KM算法，适用于二部图最大权匹配问题。

二部图

二部图，也称为偶图。偶图是指具有二分类（X，Y）的图，它的点集可以分解为两个（非空）子集X和Y，使得每条边的一个端点在X中， 另一个端点在Y中。

完全偶图就是X中每一个点与Y中每一个点都有连边。

下图就是一个二部图，但不是完全偶图

---

匹配

给定

，则匹配

, 且

中任意的两条边不相邻。

中一条边的两个端点称为在

下是配对的，同时这两个点也是

饱和的。若在

下，

的每一个顶点都是饱和的， 则称M为G的

完美匹配。若

没有另外的匹配

，使得

，则称为

的

最大匹配。 完美匹配也是 最大匹配， 反之不成立。

二部图都有最大匹配，但是只有在

时才可能有完美匹配。

与

点数相等的

完全偶图显然一定有完美匹配。

对于一个

的

完全偶图，如果每一条边都有一个权重，那么在其中寻找一个具有最大权和的完美匹配，就称这个匹配为 最优匹配。

---

匈牙利算法

匈牙利算法可以用于在偶图中寻找最大匹配。

算法如下：

给定图

G

利用匈牙利算法寻找最大匹配，首先对于

按照顺序一个个匹配相应的

step1

step1中：

1. 匹配到
2. 尝试匹配
   失败，则开始匹配
   成功
3. 尝试匹配
   失败，则开始匹配
   成功

step2

step2中：

尝试匹配

都失败，而又无其它相连顶点。此时

匈牙利算法开始起到作用，它的思路很简单，当端点无法匹配的时候，我们尝试找一条 增广路。

增广路定义如下：增广路的起点与终点均为非饱和点的交错路。交错路就是处于匹配中的边和未处于匹配中的边相互交错组成的路。

匈牙利算法中的增广路，红色边为匹配的边，红色的点为饱和点

对于一条增广路，将黄色红色相互交换，相当于匹配边与未匹配边相互交换，这样增广路上所有的点就变成了饱和点，且匹配的边增加1。

对于X4的一条增广路

如上图，我们对于

利用DFS找到了一条增广路，然后根据其进行扩充如下

同时对于

自然的扩展到

则找到了最大匹配。

综上，匈牙利算法如下：

1. 初始化顶点编号，令n=1。
2. 若n大于顶点数N，结束。否则步骤3。
3. 深度优先搜索寻找顶点n的可扩路。如果找到，进行扩充，如果未找到，则这个顶点没法饱和。n = n + 1，返回步骤2。

代码如下：

// n = x.size(), m = y.size()

匈牙利算法的思想很简单，对于每个

中的点

进行匹配，或者

可以直接匹配

中的点

，即(y_match[i]=-1)，或者点

原本对应的

中的点 y_match[i] 可以找到另外一条路径。即增广路。