二分图:二分图是这样一个图,它的顶点可以分类两个集合X和Y,所有的边关联的两个顶点恰好一个属于集合X,另一个属于集合Y。
二分图匹配:给定一个二分图G,在G的一个子图M中,M的边集中的任意两条边都不依附于同一个顶点,则称M是一个匹配。
最大匹配:图中包含边数最多的匹配称为图的最大匹配。
完美匹配:如果所有点都在匹配边上,则称这个最大匹配是完美匹配。
二分图匹配基本概念:
未盖点
设VI是G的一个顶点,如果VI不与任意一条属于匹配M的边相关联,就称VI是一个未盖点。
交错轨
设P是图G的一条轨,如果P的任意两条相邻的边一定是一条属于M而另一条不属于M,就称P是交错轨。
可增广轨(增广路)
两个端点都是未盖点的交错轨称为可增广轨。
可增广轨的性质:
1:P的路径长度必定为奇数,第一条边和最后一条边都不属于M。
2:P经过取反操作可以得到一个更大的匹配M’。
3:M为G的最大匹配当且仅当不存在相对于M的增广路径。
二分图最大匹配匈牙利算法:
算法的思路是不停的找增广轨,并增加匹配的个数,增广轨顾名思义是指一条可以使匹配数变多的路径,在匹配问题中,增广轨的表现形式是一条"交错轨",也就是说这条由图的边组成的路径,它的第一条边是目前还没有参与匹配的,第二条边参与了匹配,第三条边没有..最后一条边没有参与匹配,并且始点和终点还没有被选择过.这样交错进行,显然他有奇数条边.那么对于这样一条路径,我们可以将第一条边改为已匹配,第二条边改为未匹配...以此类推.也就是将所有的边进行"取反",容易发现这样修改以后,匹配仍然是合法的,但是匹配数增加了一对.另外,单独的一条连接两个未匹配点的边显然也是交错轨.可以证明,当不能再找到增广轨时,就得到了一个最大匹配.这也就是匈牙利算法的思路。
举例:
1. 图一为原图(给定的二分图)
2.先从1出发,找到1-6这条增广路 (如图二,匹配的边为红色)
3.从2出发,找到2-7这条增广路(为什么不继续到7-4呢?因为此时7-4还是未匹配的) (如图三)
4.从3 出发找到3-5这条增广路 (如图四)
5.从4出发 4-7这条边还是未匹配的,再看7由于7-2是已经匹配的,于是可以加到4-7-2这条路上(记得联想增广路的定义) 再看2-8这条路是还没有匹配的,于是可以加到4-7-2-8这条路上,从8出发已经找不到与8匹配的结点了,于是4-7-2-8这是一条增广路。注意到这条路有什么特点(当然和增广路一样,未匹配的和匹配的边交替出现,并且始边和终边都是未匹配的。)于是将这条路径上的边取反(即未匹配改为匹配4-7,2-8变为匹配的,2-7变为不匹配的)如图五,于是最终的匹配边为1-6,2-8,3-5,4-7共四个匹配;
代码:
#include <iostream> using namespace std; const int MAXN = 1001 ,MAXM = 1001 ; int n1,n2,m,ans; //n1,n2分别为二分图两边节点的个数,两边的节点分别用1..n1,1..n2编号,m为边数 bool g[MAXN][MAXM]; //图G邻接矩阵g[x][y] bool y[MAXM]; //Y集合中点i访问标记 int link[MAXM]; //link[y]表示当前与y节点相邻的x节点 void init() { int x,y; memset(g,0 ,sizeof (g)); memset(link,-1 ,sizeof (link)); ans = 0 ; scanf("%d%d%d" ,&n1,&n2,&m); for (int i = 1 ;i <= m;i++) { scanf("%d%d" ,&x,&y); g[x][y] = true ; } } bool find(int x) //是否存在X集合中节点x开始的增广路 { for (int i = 1 ;i <= n2;i++) if (g[x][i] && !y[i]) //如果节点i与x相邻并且未访问过 { y[i] = true ; if (link[i] == -1 || find(link[i])) //如果找到一个未盖点i中或从与i相邻的节点出发有增广路 { link[i] = x; return true ; } } return false ; } int main() { init(); for (int i = 1 ;i <= n1;i++) { memset(y,0 ,sizeof (y)); if (find(i)) ans++; } printf("%d/n" ,ans); return 0 ; }