二分图匹配算法总结.docVIP

二分图匹配算法总结 本资料由豆丁若莲文档搜集更多文档请点击/ljk99 二分图匹配算法总结2010-11-07 10：54一、二分图最大匹配 二分图最大匹配的经典匈牙利算法是由Edmonds在1965年提出的，算法的核心就是根据一个初始匹配不停的找增广路，直到没有增广路为止。 匈牙利算法的本质实际上和基于增广路特性的最大流算法还是相似的，只需要注意两点：(一)每个X节点都最多做一次增广路的起点；(二)如果一个Y节点已经匹配了，那么增广路到这儿的时候唯一的路径是走到Y节点的匹配点(可以回忆最大流算法中的后向边，这个时候后向边是可以增流的)。 找增广路的时候既可以采用dfs也可以采用bfs，两者都可以保证O(nm)的复杂度，因为每找一条增广路的复杂度是O(m)，而最多增广n次，dfs在实际实现中更加简短。 二分图最大匹配的匈牙利算法 二分图是这样一个图，它的顶点可以分类两个集合X和Y，所有的边关联在两个顶点中，恰好一个属于集合X，另一个属于集合Y。 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，称这个最大匹配是完美匹配。 最小覆盖：最小覆盖要求用最少的点(X集合或Y集合的都行)让每条边都至少和其中一个点关联。可以证明：最少的点(即覆盖数)=最大匹配数 最小路径覆盖：用尽量少的不相交简单路径覆盖有向无环图G的所有结点。解决此类问题可以建立一个二分图模型。把所有顶点i拆成两个：X结点集中的i和Y结点集中的i,如果有边i-j，则在二分图中引入边i-j，设二分图最大匹配为m,则结果就是n-m。 最大独立集问题：在N个点的图G中选出m个点，使这m个点两两之间没有边.求m最大值.如果图G满足二分图条件，则可以用二分图匹配来做.最大独立集点数=N-最大匹配数 二、Hopcroft-Karp算法 SRbGa很早就介绍过这个算法，它可以做到O(sqrt(n)*e)的时间复杂度，并且在实际使用中效果不错而且算法本身并不复杂。 Hopcroft-Karp算法是Hopcroft和Karp在1972年提出的，该算法的主要思想是在每次增广的时候不是找一条增广路而是同时找几条点不相交的最短增广路，形成极大增广路集，随后可以沿着这几条增广路同时进行增广。 可以证明在寻找增广路集的每一个阶段所寻找到的最短增广路都具有相等的长度，并且随着算法的进行最短增广路的长度是越来越长的，更进一步的分析可以证明最多只需要增广ceil(sqrt(n))次就可以得到最大匹配(证明在这里略去)。 因此现在的主要难度就是在O(e)的时间复杂度内找到极大最短增广路集，思路并不复杂，首先从所有X的未盖点进行BFS，BFS之后对每个X节点和Y节点维护距离标号，如果Y节点是未盖点那么就找到了一条最短增广路，BFS完之后就找到了最短增广路集，随后可以直接用DFS对所有允许弧(dist[y]=dist[x]+1，可以参见高流推进HLPP的实现)进行类似于匈牙利中寻找增广路的操作，这样就可以做到O(m)的复杂度。 实现起来也并不复杂，对于两边各50000个点，200000条边的二分图最大匹配可以在1s内出解，效果很好：) 三、二分图最优匹配 二分图最优匹配的经典算法是由Kuhn和Munkres独立提出的KM算法，值得一提的是最初的KM算法是在1955年和1957年提出的，因此当时的KM算法是以矩阵为基础的，随着匈牙利算法被Edmonds提出之后，现有的KM算法利用匈牙利树可以得到更漂亮的实现。 KM算法中的基本概念是可行顶标(feasible vertex labeling)，它是节点的实函数并且对于任意弧(x,y)满足l(x)+l(y)≥w(x,y)，此外一个概念是相等子图，它是G的一个生成子图，但是只包含满足l(xi)+l(yj)=w(xi,yj)的所有弧(xi,yj)。 有定理：如果相等子图有完美匹配，那么该匹配是最大权匹配，证明非常直观也非常简单，反设其他匹配是最优匹配，它的权必然比相等子图的完美匹配的权要小。 KM算法主要就是控制了怎样修改可行顶标的策略使得最终可以达到一个完美匹配，首先任意设置可行顶标(如每个X节点的可行顶标设为它出发的所有弧的最大权，Y节点的可行顶标设为0)，然后在相等子图中寻找增广路，找到增广路就沿着增广路增广。 而如果没有找到增广路呢，那么就考虑所有现在在匈牙利树中的X节点(记为S集合)，所有现在在匈牙利树中的Y节点(记为T集合)，考察所有一段在S集合，一段在not T集合中的弧，取 delta=min{l(xi)+l(yj)-w(xi,yj),xi∈S,yj∈not T} 明显的，当我们把所有S集合中的l(xi)减少delta之后，一定会有至少一条属于(S,not T)的边进入相等子图，进而可以继续扩展匈牙利树，为了保证原