二分图匹配——匈牙利算法和KM算法简介.ppt

中山一中 黄源河 二分图匹配 匈牙利算法和KM算法简介 二分图的概念 二分图又称作二部图，是图论中的一种特殊模型。 设G=(V,{R})是一个无向图。如顶点集V可分割为两个互不相交的子集，并且图中每条边依附的两个顶点都分属两个不同的子集。则称图G为二分图。 最大匹配 给定一个二分图G，在G的一个子图M中，M的边集{E}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。 选择这样的边数最大的子集称为图的最大匹配问题(maximal matching problem) 如果一个匹配中，图中的每个顶点都和图中某条边相关联，则称此匹配为完全匹配，也称作完备匹配。 匈牙利算法 求最大匹配的一种显而易见的算法是：先找出全部匹配，然后保留匹配数最多的。但是这个算法的复杂度为边数的指数级函数。因此，需要寻求一种更加高效的算法。 增广路的定义(也称增广轨或交错轨)： 若P是图G中一条连通两个未匹配顶点的路径，并且属M的边和不属M的边(即已匹配和待匹配的边)在P上交替出现，则称P为相对于M的一条增广路径。 匈牙利算法 由增广路的定义可以推出下述三个结论： 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。 匈牙利算法 用增广路求最大匹配(称作匈牙利算法，匈牙利数学家Edmonds于1965年提出) 算法轮廓： (1)置M为空 (2)找出一条增广路径P，通过取反操作获得更大的匹配M’代替M (3)重复(2)操作直到找不出增广路径为止 匈牙利算法 程序清单： Function find(k:integer):integer; var st,sf,i,j,t:integer; queue,father:array[1..100] of integer; begin queue[1] := k; st := 1; sf := 1; fillchar(father,sizeof(father),0); repeat 匈牙利算法 for i:=1 to n do if (father[i]=0)and(a[queue[st],i]=1) then begin if match2[i]<>0 then begin inc(sf); queue[sf] := match2[i]; father[i] := queue[st]; end else 匈牙利算法 begin j := queue[st]; while true do begin t := match1[j]; match1[j] := i; match2[i] := j; if t = 0 then break; i := t; j := father[t]; 匈牙利算法 end; find := 1; exit; end; end; inc(st); until st>sf; find := 0; end; 匈牙利算法 在主程序中调用下面的程序即可得出最大匹配数。 Bmatch := 0; For I:=1 to n do Bmatch := Bmatch + find(i); Writeln(Bmatch); 一个关于二分图的性质： 最大匹配数＋最大独立集＝X＋Y 最佳匹配 如果边上带权的话，找出权和最大的匹配叫做求最佳匹配。 实际模型：某公司有职员x1,x2,…,xn,他们去做工作y1,y2,…,yn,每个职员做各项工作的效益未必一致，需要制定一个分工方案，使得人尽其才，让公司获得的总效益最大。 数学模型：G是加权完全二分图，求总权值最大的完备匹配。 KM算法 穷举的效率－n！，我们需要更加优秀的算法。 定理： 设M是一个带权完全二分图G的一个完备匹配，给每个顶点一个可行顶标(第i个x顶点的可行标用lx[i]表示，第j个y顶点的可行标用ly[j]表示)，如果对所有的边(i,j) in G,都有lx[i]+ly[j]>=w[i,j]成立(w[i,j]表示边的权)，且对所有的边(i,j) in M,都有lx[i]+ly[j]=w[i,j]成立，则M是图G的一个最佳匹配。证明很容易。 KM算法 对于任意的G和M，可行顶标都是存在的： l(x) = maxw(x,y) l(y) = 0 欲求完全二分图的最佳匹配，只要用匈牙利算法求其相等子图的完备匹