-节图的匹配.docVIP

PAGE 1 PAGE 19 第四节 图的匹配PAGE \# 页：# 图表的标号，程序的注释 一、什么是图的匹配 1.图的定义 无向图：无向图G是指非空有限集合VG，和VG中某些元素的无序对的集合EG，构成的二元组(VG，EG)。VG称为G的顶点集，其中的元素称为G的顶点。EG称为G的边集，其中的元素称为G的边。在不混淆的情况下，有时记V＝VG，E＝EG。如果V＝{v1,…,vn}，那么E中的元素e与V中某两个元素构成的无序对(vi，vj)相对应，记e＝vivj，或e＝vjvi。在分析问题时，我们通常可以用小圆圈表示顶点，用小圆圈之的连线表示边。 二分图：设G是一个图。如果存在VG的一个划分X，Y，使得G的任何一条边的一个端点在X中，另一个端点在Y中，则称G为二分图，记作G＝(X，Y，E)。如果G中X的每个顶点都与Y的每个顶点相邻，则称G为完全二分图。 2.匹配的相关概念 设G＝(V，E)是一个图，，如果M不含环且任意两边都不相邻，则称M为G的一个匹配。G中边数最多的匹配称为G的最大匹配。 对于图G＝(V，E)，在每条边e上赋一个实数权w(e)。设M是G的一个匹配。定义，并称之为匹配M的权。G中权最大的匹配称为G的最大权匹配。如果对一切，e∈E，w(e)=1,则G的最大权匹配就是G的最大匹配。 设M是图G=(V,E)的一个匹配，vi∈V。若vi与M中的边相关联，则称vi是M饱和点，否则称vi为M非饱和点。 如果G中每个顶点都是M饱和点，则称M为G的完美匹配。 设M是G的一个匹配，P是G的一条链。如果P的边交替地一条是M中的边，一条不是M中的边，则称P为M交错链。类似地，我们可以定义G的交错圈。易知，G的交错圈一定是偶圈。 一条连接两个不同的M非饱和点的M交错链称为M增广链。 两个集合S1与S2的“异或”操作S1⊕S2是指集合S1⊕S2＝（S1∩S2）\（S1∪S2） 容易看出，设M是G的匹配，P是G中的M增广链、则M⊕P也是G的匹配，而且。 图表  SEQ 图表 \* ARABIC 1 “异或”操作 可以证明，G中匹配M是最大匹配当且仅当G中没有M增广链。 二、匹配算法 1.二分图的最大匹配 设有M个工人x1, x2, …, xm，和N项工作y1, y2, …, yn，规定每个工人至多做一项工作，而每项工作至多分配一名工人去做。由于种种原因，每个工人只能胜任其中的一项或几项工作。问应怎样分配才能使尽可能多的工人分配到他胜任的工作。这个问题称为人员分配问题。 人员分配问题可以用图的语言来表述。令X={x1, x2, …, xm}，Y={y1, y2, …,yn}，构造二分图G=(X, Y, E)如下： 对于1≤i≤m，1≤j≤n，当且仅当工人xi胜任工作yi时，G中有一条边xiyi，于是人员分配问题就成为在G中求一个最大匹配的问题。 求最大匹配常用匈牙利算法，它的基本思想是：对于已知的匹配M，从X中的任一选定的M非饱和点出发，用标号法寻找M增广链。如果找到M增广链，则M就可以得到增广；否则从X中另一个M非饱和点出发，继续寻找M增广链。重复这个过程直到G中不存在增广链结束，此时的匹配就是G的最大匹配。这个算法通常称为匈牙利算法，因为这里介绍的寻找增广链的标号方法是由匈牙科学者Egerváry最早提出来的。 图表  SEQ 图表 \* ARABIC 2 匈牙利算法 理解了这个算法，就不难写出人员分配问题的解答了。在给出程序之前，先做一些假设： 为了简单起见，假设工人数等于工作数，即N=M，且N≤100，这里，N也可以看作是二分图的|X|和|Y|。 数据从文件input.txt中读入，首先是N和|E|，下面|E|行每行两个数(I, J)，表示工人I可以胜任工作J，即二分图中的边xiyj。 结果输出到文件output.txt，第一行是最大匹配数s，下面s行每行两个数(I, J)，表示分配工人I做工作J，即匹配边xiyj。 下面是人员分配问题的参考解答，该算法的时间复杂度为O(n3)。 Program match; const maxn = 100; var map: array[1 .. maxn, 1 .. maxn] of boolean; {保存二分图} cover: array[1 .. maxn] of boolean; {标记一个点是否为饱和点} link: array[1 .. maxn] of integer; {保存匹配边} n: integer; {顶点数} procedure init; {读入} var i, e, x, y: integer; begin assign(input, input.txt); reset(input); re