国家集训队论文集王俊.ppt

浅析二分图匹配在信息学竞赛中的应用 长郡中学 王俊 引言 [例题] Roads 初步分析 根据与树T的关系,我们可以把图G0中的边分成树边与非树边两类。 设Pe表示边e的两个端点之间的树的路径中边的集合。 初步分析 初步分析 初步分析 初步分析 算法分析 算法分析 复杂度分析 算法分析 算法分析 证明引理 算法分析 算法分析 算法分析 复杂度分析 复杂度分析 复杂度分析 复杂度分析 回顾 总结 结语 下面给出算法的流程： 将Y结点非降序排列 初始化M，P和Path j ← 1 q ← Y的第j个结点 存在q的某个邻结点p为可匹配点 更新M，R和Path jm j ← j + 1 结束 N N Y Y 下面来分析一下该算法的时间复杂度。 算法中执行了如下操作： 3 更新M； O(n) 2 询问是否存在q的某个邻结点p为可匹配点； O(mn)=O(n3) 1 将所有Y结点按权值大小非降序排列； O(mlog2m)=O(n2log2n) 4 更新R以及Path; O(n3) 前三个操作复杂度都显而易见，下面讨论操作4的时间复杂度。 如果某个点为可匹配点，则它的路径必然为 i0→j1→i1→j2→i2 →… →jk →ik (k≥0),其中i0为未匹配点而且(jt, it)(t ∈[1,k]) 为匹配边。 i0 j1 i1 j2 i2 jk ik 也就是说我们在更新R和Path时只需要处理X结点和已匹配的Y结点以及它们之间的边构成的子二分图。 显然任意时刻图G的匹配边数都不超过n-1，所以该子图的点数为O(n)，边数为O(n2)。所以该操作执行一次的复杂度即为O(n2)，最多执行n次，所以其复杂度为O(n3)。 所以Y结点中的未匹配点是不可能出现在某个X结点i的Pathi中的。 那么算法总的时间复杂度为： O(n2log2n) +O(n3)+ O(n)+ O(n3)= O(n3) 因为O(m)=O(n2)，所以该算法相对于算法一O(m3)=O(n6)的复杂度，在效率上有了巨大的飞跃。 通过对最小生成树性质的分析得到一组不等式Dv≤Du。 将不等式变形后，通过对其观察，联想到了解决二分图最佳匹配经典的KM算法，即得到了算法一。 正是通过猜想将权值由图中的边转移到顶点上，重新构造二分图，才得到了更为优秀的算法二！ 信息学竞赛中的各种题目，往往都需要通过对题目的仔细观察，构造出合适的数学模型，然后通过对题目以及模型的进一步分析，挖掘出问题的本质，进行大胆的猜想，转化模型，设计优秀的算法解决问题。 * * 二分图匹配是一类经典的图论算法，在近年来信息学竞赛中有广泛的应用。 二分图和匹配的基础知识已经在前辈的集训队论文中有过介绍，本文主要通过一道例题研究其应用。 请求出修改的最小代价。 给定一个无向图G0=（V0，E0，C），V0为顶点集合,E0为边集合（无重边），C为边权（非负整数）。设n= |V0|，m= |E0|，E0中前n-1条边构成一棵生成树T。请将边权进行如下修改，即对于e∈E，把Ce修改成De（De也为非负整数），使得树T成为图G的一棵最小生成树。修改的代价定义为： 4 1 5 2 3 4 6 2 2 3 5 7 4 1 5 2 3 4 4 2 4 3 3 4 f=|6-4|+|2-2|+|5-3|+|7-4|+|3-3|+|2-4|+|4-4|=9 如右图，u∈T，t1，t2，t3∈T，且t1，t2，t3连接了u的两个端点，所以Pu={t1，t2，t3}。 / 那么用非树边u代替树边t1，t2，t3中任意一条都可以得到一棵新的生成树。 而如果u的边权比所替换的边的边权更小的话，则可以得到一棵权值更小的生成树。 那么要使原生成树T是一棵最小生成树，必须满足条件： Dt1≤ Du ； Dt2≤ Du ； Dt3≤ Du u t1 t2 t3 如果边v，u(u可替换v)，则必须满足 Dv≤ Du ，否则用u替换v可得到一棵权值更小的生成树T-v+u 。 / 对边v，u如果满足条件u∈T ，v∈Pu， 则称u可替换v。 不等式Dv≤Du中v总为树边，而u总为非树边。 那么显然树边的边权应该减小(或不变)，而非树边的边权则应该增大(或不变)。 设边权的修改量为Δ，即 Δe=|De－Ce| / 当e∈T， Δe=De－Ce, 即De=Ce＋Δe 当e∈