最小路径覆盖
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
【转自Matirx67】二分图最大匹配的König定理及其证明
本文将是这一系列里最短的一篇，因为我只打算把König定理证了，其它的废话一概没有。
以下五个问题我可能会在以后的文章里说，如果你现在很想知道的话，网上去找找答案：
1. 什么是二分图；
2. 什么是二分图的匹配；
3. 什么是匈牙利算法；(http://www.matrix67.com/blog/article.asp?id=41)
4. König定理证到了有什么用；
5. 为什么o上面有两个点。
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。比如，下面这个图中的最大匹配和最小点覆盖已分别用蓝色和红色标注。它们都等于3。这个定理相信大多数人都知道，但是网络上给出的证明并不多见。有一些网上常见的“证明”明显是错误的。因此，我在这里写一下这个定理的证明，希望对大家有所帮助。
假如我们已经通过匈牙利算法求出了最大匹配（假设它等于M），下面给出的方法可以告诉我们，选哪M个点可以覆盖所有的边。
匈牙利算法需要我们从右边的某个没有匹配的点，走出一条使得“一条没被匹配、一条已经匹配过，再下一条又没匹配这样交替地出现”的路（交错轨，增广路）。但是，现在我们已经找到了最大匹配，已经不存在这样的路了。换句话说，我们能寻找到很多可能的增广路，但最后都以找不到“终点是还没有匹配过的点”而失败。我们给所有这样的点打上记号：从右边的所有没有匹配过的点出发，按照增广路的“交替出现”的要求可以走到的所有点（最后走出的路径是很多条不完整的增广路）。那么这些点组成了最小覆盖点集：右边所有没有打上记号的点，加上左边已经有记号的点。看图，右图中展示了两条这样的路径，标记了一共6个点（用 “√”表示）。那么，用红色圈起来的三个点就是我们的最小覆盖点集。
首先，为什么这样得到的点集点的个数恰好有M个呢？答案很简单，因为每个点都是某个匹配边的其中一个端点。如果右边的哪个点是没有匹配过的，那么它早就当成起点被标记了；如果左边的哪个点是没有匹配过的，那就走不到它那里去（否则就找到了一条完整的增广路）。而一个匹配边又不可能左端点是标记了的，同时右端点是没标记的（不然的话右边的点就可以经过这条边到达了）。因此，最后我们圈起来的点与匹配边一一对应。
其次，为什么这样得到的点集可以覆盖所有的边呢？答案同样简单。不可能存在某一条边，它的左端点是没有标记的，而右端点是有标记的。原因如下：如果这条边不属于我们的匹配边，那么左端点就可以通过这条边到达（从而得到标记）；如果这条边属于我们的匹配边，那么右端点不可能是一条路径的起点，于是它的标记只能是从这条边的左端点过来的（想想匹配的定义），左端点就应该有标记。
最后，为什么这是最小的点覆盖集呢？这当然是最小的，不可能有比M还小的点覆盖集了，因为要覆盖这M条匹配边至少就需要M个点（再次回到匹配的定义）。
证完了。
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．
eg. 图4*4的图G的最小路径覆盖，包含2条路径: p1->p3, p2->p4
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；
其中最大匹配数的求法是把G中的每个顶点pi分成两个顶点pi'与pi''，如果在p中存在一条pi到pj的边，那么在
二分图G'中就有一条连接pi'与pj''的无向边；这里pi' 就是p中pi的出边，pj''就是p中pj 的一条入边；
对于公式：最小路径覆盖＝｜G｜－最大匹配数；可以这么来理解；
如果匹配数为零，那么Ｐ中不存在有向边，于是显然有：
最小路径覆盖＝｜G｜－最大匹配数＝｜G｜－０＝｜G｜；即Ｐ的最小路径覆盖数为｜G｜；
G'中不在于匹配边时，路径覆盖数为｜G｜;
如果在G'中增加一条匹配边pi'->pj''，那么在图P的路径覆盖中就存在一条由pi连接pj的边，也就是说pi与pj 在
一条路径上，于是路径覆盖数就可以减少一个；如此继续增加匹配边，每增加一条，路径覆盖数就减少一条；
直到匹配边不能继续增加时，路径覆盖数也不能再减少了，此时就有了前面的公式；但是这里只是说话了每条匹配边
对应于路径覆盖中的一条路径上的一条连接两个点之间的有向边；下面来说明一个路径覆盖中的每条连接两个顶点之
间的有向边对应于一条匹配边。
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。
1、最大团点的数量=补图中最大独立集点的数量
2、二分图中，最大独立集点的数量+最小覆盖点的数量=整个图点的数量
3、二分图中，最小覆盖点的数量=最大匹配的数量
4、图的染色问题中，最少需要的颜色的数量=最大团点的数量
————————————我是神奇的分割线————————————————
//有向图的最小路径覆盖zoj 1525
//2010-08-27 21:24:11| 分类： AC |字号 订阅
zoj 1525 有向图的最小路径覆盖
//核心思想：一个点也是一条路径。最小路径覆盖（有向）=V-maxmatch();
//无向=V-maxmatch/2.
#include
#include
#include
#include
#include
using namespace std;
int n,m,k;
const int MAXN = 121;
int uN, vN; // 两个集合的数目。
bool g[MAXN][MAXN]; // g[i][j]：匹配矩阵
int xM[MAXN], yM[MAXN]; // 匹配的点
bool chk[MAXN]; //
bool SearchPath(int u) //寻找增广路
{
int v;
for(v = 1; v <=vN; v++) //从Y中寻找匹配的。
if(g[u][v] && !chk[v])
{
chk[v] = true;
if(yM[v] == -1 || SearchPath(yM[v])) //递归寻找增广路
{
yM[v] = u; //相互保存
xM[u] = v;
return true ;
}
}
return false ;
}
//过程表达：X-—Y, u--v
int MaxMatch(){
int u, ret = 0 ;
memset(xM, -1, sizeof (xM));
memset(yM, -1, sizeof (yM));
for(u = 1; u <=uN; u++) //以X集合为基准
if(xM[u] == -1){ //未被匹配，则寻找
memset(chk, false, sizeof (chk));
if(SearchPath(u)) ret++;
}
return ret;
}
int main()
{
int T;
cin>>T;
while(T--){
cin>>n>>m;
fill(&g[0][0],&g[MAXN-1][MAXN-1]+1,false);
uN=n;
vN=n;
for(int i=0;i
int a,b;
cin>>a>>b;
g[a][b]=1;
}
int cnts=MaxMatch();
cout<
return 0;
}