算法:ACM二分图匹配 HDU2063

题目地址：http://acm.hdu.edu.cn/showproblem.php?pid=2063

摘录于互联网，原创作者redraiment，很详细的二分图匹配入门资料！

2063 过山车

Problem Description

RPG girls今天和大家一起去游乐场玩，终于可以坐上梦寐以求的过山车了。可是，过山车的每一排只有两个座位，而且还有条不成文的规矩，就是每个女生必须找个个男生做partner和她同坐。但是，每个女孩都有各自的想法，举个例子把，Rabbit只愿意和XHD或PQK做partner，Grass只愿意和linle或LL做partner，PrincessSnow愿意和水域浪子或伪酷儿做partner。考虑到经费问题，boss刘决定只让找到partner的人去坐过山车，其他的人，嘿嘿，就站在下面看着吧。聪明的Acmer，你可以帮忙算算最多有多少对组合可以坐上过山车吗？

Input

输入数据的第一行是三个整数K , M , N，分别表示可能的组合数目，女生的人数，男生的人数。0<K<=1000
1<=N 和M<=500.接下来的K行，每行有两个数，分别表示女生Ai愿意和男生Bj做partner。最后一个0结束输入。

Output

对于每组数据，输出一个整数，表示可以坐上过山车的最多组合数。

Sample Input

6 3 3
1 1
1 2
1 3
2 1
2 3
3 1
0

Sample Output

Author

PrincessSnow

问题分析

Problem Analyse

求二分图最大匹配

需要离散数学图论的知识。

Algorithm Analyse

做这一题的时候，也费了我大力气。以前都没涉及过二分图的算法，对这方面的知识可以说是零；另一面网上的资料都很零散。没有比较系统比较完整地介绍一下的。我也是在百度里搜索了很多资料，才了解并熟悉这个算法，最后能一次性通过，并且排名排在第一位，我真的是太兴奋了！为了方便后来者，也方便我自己以后查阅(与人方便，与己方便嘛)，我把搜集的资料整理一下，加上一点自己的心得，把它们写下来。

二分图的基本概念
一个无向图G=<V, E>，如果存在两个集合X、Y，使得X∪Y=V， X∩Y=Φ，并且每一条边e={x，y}有x∈X，y∈Y，则称G为一个二分图(bipartite graph)。常用<X, E, Y>来表示一个二分图。若对X中任一x及Y中任一y恰有一边e∈E，使e = {x, y}, 则称G为完全二分图(complete bipartite graph)。当|X| = m，|Y| = n时，完全二分图G记为K_m,n。

二分图的性质：
定理：无向图G为二分图的充分必要条件是，G至少有两个顶点,且其所有回路的长度均为偶数。
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。M=Φ时称M为空匹配。
最大匹配:G的所有匹配中边数最多的匹配称为最大匹配。
完全匹配:若X(Y)中所有的顶点都是匹配M中的端点。则成M为完全匹配。若M既是X-完全匹配又是Y-完全匹配，则称M为G的完全匹配。
注意:最大匹配总是存在但未必唯一；X(Y)-完全匹配及G的完全匹配必定是最大的，但反之则不然；X(Y)-完全匹配未必存在。

下面引入几个术语：
设G=<V, E>为二分图，M为G的一个匹配。

M中边的端点称为M-顶点，其它顶点称为非M-顶点。
增广路径:除了起点和终点两个顶点为非M-顶点，其他路径上所有的点都是M=顶点。而且它的边为匹配边、非匹配边交替出现。

如上图中图1，就是一个二分图的匹配:[X1, Y2]。图2就是在这个匹配的基础上的两个增广路径:X2→Y2→X1→Y1和X3→Y3。
我们来验证一下:增广路径 X2→Y2→X1→Y1中，起止点X2、Y1为非M-顶点。而中间点Y2、X1都是M-顶点。
边{X2, Y2}, {X1, Y1}为非匹配边，而边{Y2, X1}为匹配边，满足匹配边与非匹配边交替出现。
同理X3→Y3路径也满足增广路径的要求。

借助这幅图，来描述一下增广路径的性质。
1. 有奇数条边。
2. 起点在二分图的左半边，终点在右半边。
3. 路径上的点一定是一个在左半边，一个在右半边，交替出现。（其实二分图的性质就决定了这一点，因为二分图同一边的点之间没有边相连，不要忘记哦。）
4. 整条路径上没有重复的点。
5. 起点和终点都是目前还没有配对的点，而其它所有点都是已经配好对的。
6. 路径上的所有第奇数条边都不在原匹配中，所有第偶数条边都出现在原匹配中。
7. 最后，也是最重要的一条，把增广路径上的所有第奇数条边加入到原匹配中去，并把增广路径中的所有第偶数条边从原匹配中删除（这个操作称为增广路径的取反），则新的匹配数就比原匹配数增加了1个。
∵增广路径的长度是奇数，我们设为2k+1条
又∵第一条是非匹配边且匹配边与非匹配边交替出现
∴非匹配边有K+1条，匹配边有K条。
非匹配边比匹配边多了1条。
此时，我们做取反操作(匹配边变成非匹配边，非匹配边变成匹配边)，则匹配边的个数就会在原来的基础上增加1条。
求最大匹配的“匈牙利算法”就是这样做的。
无论从哪个匹配开始(整个程序的初始状态是从空匹配开始)，每次操作都让匹配数增加1条，不断使它得到扩充，直到找不到增广路径。
这样就得到了最大匹配了。
对增广路径，还有一种递归的定义，可能不大准确，但揭示了一种寻找增广路径的一般方法:
从集合X中的一个非M-顶点A出发，通过与A关联的边到达集合Y中的端点B，如果B在M中没有任何边匹配，则B就是该增广路径的终点；如果B已经与C点配对，则这条增广路径就是从A→B→C并加上“从C点出发的增广路径”。并且这条增广路径中不能有重复的点出现。

比如我们要从上图中找出一条从X3点出发的增广路径，我们需要做以下几步。
1. 首先从X3出发，它能连接到的点只有点Y3，而Y3已经与X2配对，所以现在的增广路径是X3→Y3→X2在加上从点X2出发的增广路径。
2. 点X2能连接到Y2，Y3，但Y3与前面的路径重复，而{X2, Y2}这条边也不在原来的匹配中，所以只能连接到Y2。所以现在的增广路径是X3→Y3→X2→Y2→X1在加上从点X1出发的增广路径。
3. 点X1能连接到的点且不前面路径重复的点只有Y1。并且Y1在原先的匹配中不与其他所有点配对，属于非M-顶点。因此Y1是该增广路径的终点。所以最终的增广路径是X3→Y3→X2→Y2→X1→Y1。
严格意义上讲，上面提到的从X2出发的增广路径X2→Y2→X1→Y1和从点X1出发的增广路径X1→Y1并不是真正意义上的增广路径，它们不符合第5个性质。它们的起点是已配对的点。这里说它们是增广路径只是为了简化搜索过程，它们都只是中间返回值而已。

现在就进入我们的正题:用匈牙利算法求最大匹配。
匈牙利算法的基本模式是:

初始时最大匹配为空 while 找得到增广路径 do 把增广路径加入到最大匹配中去

比如我们寻找图1的最大匹配，过程可能如下:

初始最大匹配为空。
找到增广路径X1→Y2，把它取反，则匹配数增大到1，最大匹配变成[X1, Y2]。
找到增广路径X2→Y3，把它取反，则匹配数增大到2，最大匹配变成[X1, Y2]，[X2, Y3]。
找到增广路径X3→Y3→X2→Y2→X1→Y1，把它取反，则匹配数增大到3，最大匹配变成[X1, Y1]，[X2, Y2]，[X3, Y3]。
找不出增广路径，程序结束，得到最大匹配数为3。

这只是其中一种可能的过程，还有其他不同的过程，得到的增广路径也可能不同，但最后最大匹配数一定是相同的。

从上面的描述可以看出，搜索增广路径的方法是DFS，写一个递归的函数。当然也可以用BFS。

至此，理论基础部份讲完了。但是要完成匈牙利算法，还需要一个重要的定理：
如果从一个点A出发，没有找到增广路径，那么无论再从别的点出发找到多少增广路径来改变现在的匹配，从A出发都永远找不到增广路径。

有了这个定理，匈牙利算法就成形了。如下:

初始时最大匹配为空 for 二分图左半边的每个点i do 从点i出发寻找增广路径。如果找到，则把它取反(即增加了总了匹配数)。

如果二分图的左半边一共有n个点，那么最多找n条增广路径。如果图中共有m条边，那么每找一条增广路径(DFS或BFS)时最多把所有边遍历一遍，所花时间也就是m。所以总的时间大概就是O(n * m)。

编码建议

Programing

知道了前面的算法，编码倒是挺快的。

数据结构:
保存二分图用的是邻接表。
为方便存储和阅读，数组下标从1开始(0那个空间就空着不用)。
因此，第i个表头邻接的是第i个女生愿意与他做partner的男生号。

集合X、Y用一维数组表示。下标同样从1开始。
如果它们暂时没有点配对，则里面保存的是O，否则保存配对的点的下标。
初始状态X、Y都为0。

因为X是从1到n循环，所以只需要判断Y集合中的点是否被访问过。
判断是否被访问过用一个Bool型一维数组，true表示被访问过，false表示未被访问过。

中间记录增广路径用栈结构。因为增广路径的边数是奇数，根据握手定理，它的顶点数一定是偶数。
找到增广路径以后，每次从栈顶取出2个端点，就是现在相互配对的端点了。一直到栈取空为止。

算法实现:
实现匈牙利算法分为4个步骤:

初始化:
集合X、Y清空
图清空
输入:
输入集合X、Y的大小size_x和size_y，以及所有的边
计算:
i从1循环到size_x，深搜寻找Xi的增广路径
每次寻找前要先清空栈，并且初始Visit数组为false
在深搜的过程中，要注意，如果寻找增广路径失败，要记得把刚加入的那一个顶点从栈中删除
如果增广路径查找成功，就开始读栈，对X、Y里相互配对的端点进行标记，直到栈为空
输出:
统计X(Y)集合中有配对的端点个数，即最大匹配数。
输出最大匹配数

编码建议

#include <stack>
#include <cstdio>
#include <cstring>
#include <iostream>
using namespace std;

typedef struct node
{
	int ord;
	node * next;
}Node;

const int size = 512 + 1;

Node	list[size];
int	X[size];
int	Y[size];
bool	visit[size];
int	size_x;
int	size_y;
stack	<int>	stk;

void init()
{
	int	i;

	for (i = 1; i <= size_x; i++)
		list[i].next = NULL;
	memset(X, 0, (size_x + 1) * sizeof(int));
	memset(Y, 0, (size_y + 1) * sizeof(int));
}

void input(int len)
{
	int	i;
	int	x;
	int	y;
	Node*	p;

	for (i = 0; i < len; i++)
	{
		scanf("%d%d", &x, &y);
		p = new Node;
		p->ord = y;
		p->next = list[x].next;
		list[x].next = p;
	}
}

bool dfs(int x)
{
	Node*	p;

	stk.push(x);
	for (p = list[x].next; p; p = p->next)
	{
		if (!visit[p->ord])
		{
			visit[p->ord] = true;
			stk.push(p->ord);
			if (!Y[p->ord] || dfs(Y[p->ord]))
				return true;
			else
				stk.pop();
		}
	}
	stk.pop();

	return false;
}

void solve()
{
	int	i;
	int	top;

	for (i = 1; i <= size_x; i++)
	{
		while (!stk.empty()) stk.pop();
		memset(visit, false, size_y + 1);
		if (dfs(i))
		{
			while (!stk.empty())
			{
				top = stk.top();
				stk.pop();
				Y[top] = stk.top();
				X[stk.top()] = top;
				stk.pop();
			}
		}
	}
}

void output()
{
	int	i;
	int	count = 0;
	Node*	p;

	for (i = 1; i <= size_x; i++)
	{
		if (X[i]) count++;
		while (p = list[i].next)
		{
			list[i].next = p->next;
			delete p;
		}
	}

	cout << count << endl;

}

int main(void)
{
	int	n;

	while (scanf("%d", &n), n)
	{
		scanf("%d%d", &size_x, &size_y);

		init();
		input(n);
		solve();
		output();

		while (!stk.empty()) stk.pop();
	}

	return 0;
}

posted @ 2011-10-01 20:33 BuildNewApp 阅读(516) 评论(0) 编辑收藏举报

刷新页面返回顶部

上海app开发公司

app开发，BNA(BuildNewApp.com)，主要从事上海app开发、上海app制作、移动app开发，喜欢和大家多多交流。

算法:ACM二分图匹配 HDU2063

2063 过山车

编码建议

公告