匈牙利算法——解决二分图匹配

二分图：

一种特殊的无向图，可以分为两个有关联边的集合（同一个集合内的点之间的点没有边）如图：

谈到二分图，不得不将二分图的匹配（最大匹配，最小没啥意义）
这就要谈到关于匈牙利算法，它也许不是最优化的，但是它是把这一类题目最基本思想展现出来的最简单最直接的算法。
其实这类似于贪心的过程：
我们如果如果有可以相互匹配的可以直接匹配，有不能匹配的点B递归地寻找那些理论上可以匹配但已经匹配的点A，尝试修改和A匹配的点的匹配，使B点尽可能地去实现匹配。
第一个蓝色点可以匹配：直接匹配

第二个蓝色点可以匹配：直接匹配

第三个蓝点不能匹配：寻找第二个红色点，观察它的匹配点能否修改。

第二个红色点的匹配点——第二个蓝色点不能直接匹配其他点（除了第二个红色点），去寻找另一个点（第一个红点）

发现第一个红点对于第一个蓝点可以匹配到第三个红点，以上的递归过程都可以实现。
（如果最后发现都不能匹配，那么之前递归的尝试修改的过程全都无效，回到第二个点匹配之后，且第三个点不能匹配。）

最后一个点直接匹配

主要代码：（其余部分按照题意编写）

const int maxn = 5e5+10;
int head[maxn],cnt = 0,be[maxn];
bool Vis[maxn];
struct Edge{//链式向前星，初始化head为-1。
    int to,next;
}edge[maxn];

void add_edge(int x,int y){
    edge[cnt]={y,head[x]};
    head[x] = cnt++;
}
bool dfs(int u){//每进行一个点的匹配是，要把Vis归0，保证所有点都可以尝试修改一次。
	for(int i = head[u];i >=0;i = edge[i].next)
    {
        int v = edge[i].to;
        if(!Vis[v]){ 
            Vis[v] = 1;
            if(!be[v]||dfs(be[v])){//没有匹配直接匹配，匹配了的，尝试修改匹配关系
                be[v] = u;
                return 1;
            }
        }
    }
    return 0;
}