二分图基础知识
昨天晚上开始看二分图,到现在基本的东西学会了
我就写一下我自己的理解
首先什么是二分图
顾名思义就是能分成两个部分的图
要注意的是,‘分’的是点
并且这两个集合(这里我们称作X集合和Y集合)内部所有的点之间没有边相连,也就是说X集合中任何两点之间都不会有边相连, Y亦然
定理1:无向图G为二分图的一个冲要条件是 1、G中至少包含两个顶点 2、G中所有的回路长度都必须是偶数
接下来是一些概念:
匹配:设G=<V, E>为二分图,如果 M⊆E,并且 M 中没有任何两边有公共端点,则成M为G的一个匹配。【也就是说匹配的实质是一些边的集合。】
最大匹配:边数最多的匹配
完备匹配与完全匹配:若 X 中所有的顶点都是匹配 M 中的端点。则称 M 为X的完备匹配。 若M既是 X-完备匹配又是 Y-完备匹配,则称M 为 G 的完全匹配。
最小点覆盖:用尽可能少的点去覆盖所有的边【最小点覆盖集是点的集合,其个数为最小点覆盖数】
最大点独立:跟网络流中的最大点权独立集有点类似,这里指的是最大独立的个数
接下来是二分图的一些性质:
设无向图G有n个顶点,并且没有孤立顶点,那么,
1、点覆盖数 + 点独立数 = n
2、最小点覆盖数 = 二分图的最大匹配
3、最大点独立数 = n - 最小点覆盖数 = n - 最大匹配
二分图的判定:
判断一个图是不是二分图有两条1、n>= 2 2、不存在奇圈
我们可以用黑白染色的方法进行判断
const int maxn = 105;
int col[maxn];
bool is_bi(int u) {
for(int i = 0; i < G[u].size(); i++) {
int v = G[u][i];
if(col[v] == col[u]) return false;
if(!col[v]) {
col[v] = 3 - col[u];
if(!is_bi(v)) return false;
}
}
return true;
}
接下来介绍一下求二分图最大匹配的匈牙利算法。
匈牙利算法的思想是这样的:如果一个图中存在增广路,那么沿着这条路增广,匹配就会加1,知道不存在增广路为止
这里的增广路是这么定义的:对于一个未匹配或已经匹配好一部分的G来说
在X集合中的未匹配点出发,依次经过未匹配边匹配边未匹配边匹配边……而终点落在Y中的一个未访问点上,那么只要将该路上的匹配边于未匹配边调换,那么新的匹配必将比原来的匹配多1,【详细见http://blog.csdn.net/xuguangsoft/article/details/7861988中的图】//如果不理解可以看刘汝佳大白书,一会动手模拟一下程序即可
下面是匈牙利算法的邻接矩阵和邻接表程序
#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
const int maxn = 105;
const int INF = 1000000000;
bool vis[maxn];//查询右集合中的点有没有被访问过
int link[maxn];//link[i]表示右集合中的i点是由左集合中的哪个点连接的
int G[maxn][maxn];//邻接矩阵
int x_cnt; int y_cnt;//左右集合的点的个数
bool find(int u) {//用来寻找增广路
for(int i = 1; i <= y_cnt; i++) {//遍历右集合中的每个点
if(!vis[i] && G[u][i]) {//没有被访问过并且和u点有边相连
vis[i] = true;//标记该点
if(link[i] == -1 || find(link[i])){ //该点是增广路的末端或者是通过这个点可以找到一条增广路
link[i] = u;//更新增广路 奇偶倒置
return true;//表示找到一条增广路
}
}
}
return false;//如果查找了右集合里的所有点还没找到通过该点出发的增广路,该点变不存在增广路
}
int solve() {
int num = 0;
memset(link, -1, sizeof(link));//初始化为-1表示 不与左集合中的任何元素有link
for(int i = 1; i <= x_cnt; i++) {//遍历左集合
memset(vis, false, sizeof(vis));//每一次都需要清除标记
if(find(i)) num++;//找到一条增广路便num++
}
return num;
}
匈牙利算法--邻接矩阵
#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
const int maxn = 33;
const int INF = 1000000000;
struct Node {
int to;
int next;
}q[MaxEdge];
struct MaxMatch() {
int head[MaxEdge];
int tot;
int vis[Y_cnt];
int link[Y_cnt];
void init(int x_cnt) {
this -> x_cnr = x_cnt;
tot = 0;
}
void AddEdge(int u, int v) {
q[tot].to = v;
q[tot].next = head[u];
head[u] = tot ++;
}
bool find(int u) {
for(int i = head[u]; i; i = q[i].next) {
int v = q[i].to;
if(!vis[v]) {
vis[v] = 1;
if(link[v] == -1 || find(link[v])) {
link[v] = u;
return true;
}
}
}
return false;
}
int Match() {
int num = 0;
memset(link, -1, sizeof(link));
for(int i = 0; i < x_cnt; i++) { // ±éÀú×󼯺Ï
memset(vis, 0, sizeof(vis));
if(find(X[i])) num++;
}
return num;
}
};
匈牙利算法--邻接表
可以用HDU2063熟悉模板
下面也是最重要也是最难理解的二分图的最佳匹配
上面介绍的匈牙利算法只能求出匹配边的条数,现在我们来加个条件:让二分图的每个边上都加一个权值
现在让你求出最大(最小)权值的匹配
这里有个常用算法--KM算法
首先要引入一个概念:可行顶标。
设顶点 Xi 的顶标为 lx[i],顶点 Yj 的顶标为 ly[j],顶点 Xi 与 Yj 之间的边权为 w[i][j] 。在算法执行过程中的任一时刻,对于任一条边 (i,j),lx[i]+ly[j]>=w[i,j] 始终成立。
那么Lx[i] 为i可行顶标,Ly[j]为j的可行顶标
从这个角度考虑,如果满足lx[i]+ly[j]==w[i][j]的条件下的一个子图中存在一个完美匹配的话,那么这个匹配就一定是原图的最大全匹配
证明:由于该匹配的可行顶标之和等于匹配的权值之和,而由于lx[i]+ly[j]>=w[i,j]其它的所有匹配的防方案权值一定会小于顶标之和。
所以问题就转化成了通过修改可行顶标,求得最理想的匹配。
KM算法调整的方法是: 根据最后一次不成功的寻找交错路的 DFS,取所有 i 顶点被访问到而 j 顶点没被访问到的边 (i,j) 的 lx[i]+ly[j]-w[i][j] 的最小值 d。将交错树中的所有左端点的顶标减小d,右端点的顶标增加 d。
经过这样的调整以后: 原本在导出子图里面的边,两边的顶标都变了,不等式的等号仍然成立,仍然在导出子图里面;原本不在导出子图里面的边,它的左端点的顶标减小了,右端点的顶标没有变,而且由于 d 的定义,不等式仍然成立,所以他就可能进入了导出子图里,这样经过不断的调整,最后就可以找到 一个有完美匹配的导出子图(原图的完备匹配),也就求出了该图的最大权匹配。
代码是刘汝佳大白书上抄的:
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
const int maxn = 500 + 10;
const int INF = 1000000000;
int W[maxn][maxn], n;
int Lx[maxn], Ly[maxn]; // 顶标
int left[maxn]; // left[i]为右边第i个点的匹配点编号
bool S[maxn], T[maxn]; // S[i]和T[i]为左/右第i个点是否已标记
bool match(int i) {
S[i] = true;
for(int j = 1; j <= n; j++) if (Lx[i]+Ly[j] == W[i][j] && !T[j]){
T[j] = true;
if (!left[j] || match(left[j])){
left[j] = i;
return true;
}
}
return false;
}
void update() {
int a = INF;
for(int i = 1; i <= n; i++) if(S[i])
for(int j = 1; j <= n; j++) if(!T[j])
a = min(a, Lx[i]+Ly[j] - W[i][j]);
for(int i = 1; i <= n; i++) {
if(S[i]) Lx[i] -= a;
if(T[i]) Ly[i] += a;
}
}
void KM() {
for(int i = 1; i <= n; i++) {
left[i] = Lx[i] = Ly[i] = 0;
for(int j = 1; j <= n; j++)
Lx[i] = max(Lx[i], W[i][j]);
}
for(int i = 1; i <= n; i++) {
for(;;) {
for(int j = 1; j <= n; j++) S[j] = T[j] = false;
if(match(i)) break; else update();
}
}
}
KM邻接矩阵版--刘汝佳
#include <cstdio>
#include <cstring>
#include <vector>
#include <algorithm>
using namespace std;
const int maxn = 500 + 5; // 顶点的最大数目
const int INF = 1000000000;
// 最大权匹配
struct KM {
int n; // 左右顶点个数
vector<int> G[maxn]; // 邻接表
int W[maxn][maxn]; // 权值
int Lx[maxn], Ly[maxn]; // 顶标
int left[maxn]; // left[i]为右边第i个点的匹配点编号,-1表示不存在
bool S[maxn], T[maxn]; // S[i]和T[i]为左/右第i个点是否已标记
void init(int n) {
this->n = n;
for(int i = 0; i < n; i++) G[i].clear();
memset(W, 0, sizeof(W));
}
void AddEdge(int u, int v, int w) {
G[u].push_back(v);
W[u][v] = w;
}
bool match(int u){
S[u] = true;
for(int i = 0; i < G[u].size(); i++) {
int v = G[u][i];
if (Lx[u]+Ly[v] == W[u][v] && !T[v]){
T[v] = true;
if (left[v] == -1 || match(left[v])){
left[v] = u;
return true;
}
}
}
return false;
}
void update(){
int a = INF;
for(int u = 0; u < n; u++) if(S[u])
for(int i = 0; i < G[u].size(); i++) {
int v = G[u][i];
if(!T[v]) a = min(a, Lx[u]+Ly[v] - W[u][v]);
}
for(int i = 0; i < n; i++) {
if(S[i]) Lx[i] -= a;
if(T[i]) Ly[i] += a;
}
}
void solve() {
for(int i = 0; i < n; i++) {
Lx[i] = *max_element(W[i], W[i]+n);
left[i] = -1;
Ly[i] = 0;
}
for(int u = 0; u < n; u++) {
for(;;) {
for(int i = 0; i < n; i++) S[i] = T[i] = false;
if(match(u)) break; else update();
}
}
}
};
KM邻接表版--刘汝佳
原创的作者