• [算法]二分匹配匈牙利算法


    二分图的最大匹配、完美匹配和匈牙利算法

    这篇文章讲无权二分图(unweighted bipartite graph)的最大匹配(maximum matching)和完美匹配(perfect matching),以及用于求解匹配的匈牙利算法(Hungarian Algorithm);不讲带权二分图的最佳匹配。

    二分图:简单来说,如果图中点可以被分为两组,并且使得所有边都跨越组的边界,则这就是一个二分图。准确地说:把一个图的顶点划分为两个不相交集

    匹配:在图论中,一个「匹配」(matching)是一个边的集合,其中任意两条边都没有公共顶点。例如,图 3、图 4 中红色的边就是图 2 的匹配。

    Bipartite Graph(1)  Bipartite Graph(2)  Matching  Maximum Matching

    我们定义匹配点匹配边未匹配点非匹配边,它们的含义非常显然。例如图 3 中 1、4、5、7 为匹配点,其他顶点为未匹配点;1-5、4-7为匹配边,其他边为非匹配边。

    最大匹配:一个图所有匹配中,所含匹配边数最多的匹配,称为这个图的最大匹配。图 4 是一个最大匹配,它包含 4 条匹配边。

    完美匹配:如果一个图的某个匹配中,所有的顶点都是匹配点,那么它就是一个完美匹配。图 4 是一个完美匹配。显然,完美匹配一定是最大匹配(完美匹配的任何一个点都已经匹配,添加一条新的匹配边一定会与已有的匹配边冲突)。但并非每个图都存在完美匹配。

    举例来说:如下图所示,如果在某一对男孩和女孩之间存在相连的边,就意味着他们彼此喜欢。是否可能让所有男孩和女孩两两配对,使得每对儿都互相喜欢呢?图论中,这就是完美匹配问题。如果换一个说法:最多有多少互相喜欢的男孩/女孩可以配对儿?这就是最大匹配问题。

    0

    基本概念讲完了。求解最大匹配问题的一个算法是匈牙利算法,下面讲的概念都为这个算法服务。

    5

    交替路:从一个未匹配点出发,依次经过非匹配边、匹配边、非匹配边…形成的路径叫交替路。

    增广路:从一个未匹配点出发,走交替路,如果途径另一个未匹配点(出发的点不算),则这条交替路称为增广路(agumenting path)。例如,图 5 中的一条增广路如图 6 所示(图中的匹配点均用红色标出):

    6

    增广路有一个重要特点:非匹配边比匹配边多一条。因此,研究增广路的意义是改进匹配。只要把增广路中的匹配边和非匹配边的身份交换即可。由于中间的匹配节点不存在其他相连的匹配边,所以这样做不会破坏匹配的性质。交换后,图中的匹配边数目比原来多了 1 条。

    我们可以通过不停地找增广路来增加匹配中的匹配边和匹配点。找不到增广路时,达到最大匹配(这是增广路定理)。匈牙利算法正是这么做的。在给出匈牙利算法 DFS 和 BFS 版本的代码之前,先讲一下匈牙利树。

    匈牙利树一般由 BFS 构造(类似于 BFS 树)。从一个未匹配点出发运行 BFS(唯一的限制是,必须走交替路),直到不能再扩展为止。例如,由图 7,可以得到如图 8 的一棵 BFS 树:

    7   8    9

    这棵树存在一个叶子节点为非匹配点(7 号),但是匈牙利树要求所有叶子节点均为匹配点,因此这不是一棵匈牙利树。如果原图中根本不含 7 号节点,那么从 2 号节点出发就会得到一棵匈牙利树。这种情况如图 9 所示(顺便说一句,图 8 中根节点 2 到非匹配叶子节点 7 显然是一条增广路,沿这条增广路扩充后将得到一个完美匹配)。

    伪代码:
     1 bool 寻找从k出发的对应项出的可增广路
     2 {
     3     while (从邻接表中列举k能关联到顶点j)
     4     {
     5         if (j不在增广路上)
     6         {
     7             把j加入增广路;
     8             if (j是未盖点 或者 从j的对应项出发有可增广路)
     9             {
    10                 修改j的对应项为k;
    11                 则从k的对应项出有可增广路,返回true;
    12             }
    13         }
    14     }
    15     则从k的对应项出没有可增广路,返回false;
    16 }
    17 
    18 void 匈牙利hungary()
    19 {
    20     for i->1 to n
    21     {
    22         if (则从i的对应项出有可增广路)
    23             匹配数++;
    24     }
    25     输出 匹配数;
    26 }

    演示

    模板

     1 /* **************************************************************************
     2 //二分图匹配(匈牙利算法的DFS实现)
     3 //初始化:g[][]两边顶点的划分情况
     4 //建立g[i][j]表示i->j的有向边就可以了,是左边向右边的匹配
     5 //g没有边相连则初始化为0
     6 //uN是匹配左边的顶点数,vN是匹配右边的顶点数
     7 //调用:res=hungary();输出最大匹配数
     8 //优点:适用于稠密图,DFS找增广路,实现简洁易于理解
     9 //时间复杂度:O(VE)
    10 //***************************************************************************/
    11 //顶点编号从0开始的
    12 const int MAXN=510;
    13 int uN,vN;//u,v数目
    14 int g[MAXN][MAXN];
    15 int linker[MAXN];
    16 bool used[MAXN];
    17 bool dfs(int u)//从左边开始找增广路径
    18 {
    19     int v;
    20     for(v=0;v<vN;v++)//这个顶点编号从0开始,若要从1开始需要修改
    21       if(g[u][v]&&!used[v])
    22       {
    23           used[v]=true;
    24           if(linker[v]==-1||dfs(linker[v]))
    25           {//找增广路,反向
    26               linker[v]=u;
    27               return true;
    28           }
    29       }
    30     return false;//这个不要忘了,经常忘记这句
    31 }
    32 int hungary()
    33 {
    34     int res=0;
    35     int u;
    36     memset(linker,-1,sizeof(linker));
    37     for(u=0;u<uN;u++)
    38     {
    39         memset(used,0,sizeof(used));
    40         if(dfs(u)) res++;
    41     }
    42     return res;
    43 }
    44 //******************************************************************************/
    45 
    46  

     ps.我发现显示不出来图。点编辑能看aaa

  • 相关阅读:
    Effective C# Item27:避免ICloneable接口
    Effective C# Item28:避免强制类型转换
    Effective C# Item25:尽可能将类型实现为可序列化的类型
    Effective C# Item31:尽可能实现短小简洁的方法
    Effective C# Item26:使用IComarable和IComparer接口实现排序关系
    Effective C# Item33:限制类型的可见性
    Effective C# Item24:声明式编程优于命令式编程
    Effective C# Item34:创建大粒度的Web API
    Effective C# Item32:尽可能实现小尺寸、高内聚的程序集
    Effective C# Item21:使用委托表达回调
  • 原文地址:https://www.cnblogs.com/taojy/p/7182343.html
Copyright © 2020-2023  润新知