【二分图】匈牙利 & KM

二分图

概念:

一个图 \(G=(V,E)\) 是无向图,如果顶点 \(V\) 可以分成两个互不相交地子集 \(X,Y\)

且任意一条边的两个顶点一个在 \(X\) 中,一个在 \(Y\) 中,则称 \(G\) 是二分图


性质:

当且仅当无向图 \(G\) 的所有环都是偶环时, \(G\) 才是个二分图


判定:

可从任意一点开始 \(\text{dfs}\),按距离编号

如果要编号的点已经被编号,可根据奇偶判断是否是二分图

bool dfs(int u) {
for (int i = lst[u], v; i; i = nxt[i]) {
v = to[i];
if (cl[u] == cl[v])
return 0;
if (!cl[v]) {
cl[v] = 3 - cl[u];
if (!dfs(v))
return 0;
}
}
return 1;
}
int main() {
cl[1] = 1;
dfs(1);
}

二分图的匹配

概念:

一个二分图 \(G\) 的一个子图 \(M\), 若在 \(M\) 中的任意两条边都不依附同一个顶点

则称 \(M\) 是一个匹配


最大匹配:

即选择边数最大的匹配

完备匹配:

某一部的顶点全部与匹配中的某条边关联

完美匹配:

所有顶点都和匹配中的某条边关联

增广路

定义:

\(M\) 是二分图 \(G\) 的已匹配边的集合,若 \(P\) 是一条联通两个在不同部的未匹配点的路径,

且路径上匹配边与未匹配边交替出现,则 \(P\) 是相对于 \(M\) 的增广路。


性质:

  • 第一条和最后一条都是未匹配边,边数为奇数

    因为要联通两个在不同部的未匹配点

  • 一个增广路径 \(P\) 经过取反可以得到一个更大的匹配 \(M'\)

  • \(M\) 是 \(G\) 的最大匹配当且仅当不存在相对于 \(M\) 的增广路

最大匹配

匈牙利算法

根据增广路的性质,我们也可以想到一种算法

  1. 清空 \(M\)
  2. 寻找 \(M\) 的增广路 \(P\),通过取反得到更大的 \(M'\) 代替 \(M\)
  3. 重复 (2) 直到找不到增广路为止

这就是匈牙利算法

实现

用 \(\text{dfs}\) ,从 \(X\) 部的一个未匹配点开始,访问邻接点 \(v\) (一定是 \(Y\) 部的)

  • 如果 \(v\) 未匹配,则已找到一条增广路

  • 否则,找出 \(v\) 的匹配顶点 \(w\) (一定是 \(X\) 部的),则 \((w,v)\) 是匹配边

    因为要"取反",所以要使 \((w,v)\) 未匹配, \((u,v)\) 匹配。

    能实现这一点就需要从 \(w\) 出发找一条新增广路,如果行,则可以找到增广路

实现:

// cx[i] 是 X 部的点 i 匹配的 Y 部点
// cy[i] 是 Y 部的点 i 匹配的 X 部点
bool dfs(int u) {
for (int i = 1; i <= m; i++)
if (mp[u][i] && !vis[i]) {
vis[i] = 1;
if (!cy[i] || dfs(cy[i])) {
cx[u] = i, cy[i] = u;
return 1;
}
}
return 0;
}
inline void match() {
memset(cx, 0, sizeof(cx));
memset(cy, 0, sizeof(cy));
for (int i = 1; i <= n; i++) {
memset(vis, 0, sizeof(vis));
ans += dfs(i);
}
}

时间复杂度:

  • 邻接矩阵:\(O(n^3)\)
  • 前向星:\(O(nm)\)

最大匹配的性质

  1. 最小点覆盖 = 最大匹配

    最小点覆盖:选择最少的点使得每条边都至少和其中一个点关联

    • 证明:最大匹配能保证剩下的边都与至少一个点关联
  2. 最小边覆盖 = 总点数 - 最大匹配

    最小边覆盖:选择最少的边去覆盖所有点

    • 证明:设总点数是 \(n\),最大匹配是 \(m\)

      则最大匹配能覆盖 \(2m\) 个点,设剩下 \(a\) 个点

      则这 \(a\) 个点需要单独用 \(a\) 条边覆盖,最小边覆盖 = \(m+a\)

      因为 \(2m+a=n\)

      所以最小边覆盖 = \((2m+a)-m=n-m\)

  3. 最大点独立集 = 总点数 - 最小点覆盖

    最大点独立集:在二分图中选出最多的顶点,使得任两点之间没有边相连

    • 证明:删去最小点覆盖的点集,对应的边也没有了,剩下的点就是独立集

      因为是最小点覆盖,减去后就是最大点独立集

最佳匹配

如果边有权,则权和最大的匹配叫最佳匹配

有连接 \(X,Y\) 部的顶点 \(X_iY_j\) 的一条边 \(w_{i,j}\) ,要求一种使 \(\sum w_{i,j}\) 最大的匹配


顶标:给顶点的一个标号

设 \(X_i\) 的顶标 \(A_i\) , \(Y_j\) 的顶标 \(B_j\) ,则在任意时刻需要满足 \(A_i+B_j\ge w_{i,j}\) 成立


相等子图:由 \(A_i+B_j=w_{i,j}\) 的边构成的字图

性质:如果相等字图有完备匹配,那么这个完备匹配是最佳匹配

KM

核心:通过修改顶标使得能找到完备匹配

  1. 初始化: \(A_i\) 为所有与 \(X_i\) 相连边的最大权, \(B_i=0\)

  2. 寻找完备匹配失败,得到一条路径,叫做交错树

    将交错树中 \(X\) 部的顶标全部减去 \(d\) , \(Y\) 部的顶标全部加上 \(d\) ,会发现

    • 两端都在交错树中的边, \(A_i+B_j\) 不变,仍在相等字图中

      都不在,仍然不在相等字图

    • \(X\) 不在 \(Y\) 在,\(A_i+B_j\) 增大,仍然不在相等字图

    • \(X\) 在 \(Y\) 不在,\(A_i+B_j\) 减小,现在可能在相等字图中,使得相等字图扩大

    为了使至少有一条边进入相等字图,且 \(A_i+B_j\ge w_{i,j}\) 恒成立

    \(d\) 应该等于 \(\min A_i+B_j-w_{i,j}\)

  3. 重复 (2) 直到找到完备匹配

复杂度:朴素实现是 \(O(n^4)\) 的

在相等字图上找增广路 \(O(n^2)\) ,每次改顶标最多 \(n\) 次增广路,要改 \(n\) 次顶标

// lx, ly :顶标
// cy[i] 是 y 部点 i 匹配的 X 部点
bool dfs(int x) {
vx[x] = 1;
for (int i = 1, cz; i <= n; i++) {
if (vy[i]) continue;
cz = lx[x] + ly[i] - mp[x][i];
if (cz == 0) {
vy[i] = 1;
if (!cy[i] || dfs(cy[i])) {
cy[i] = x;
return 1;
}
} else lack = min(lack, cz);
}
return 0;
}
inline void KM() {
memset(cy, 0, sizeof(cy));
for (int i = 1; i <= n; i++)
for (;;) {
memset(vx, 0, sizeof(vx));
memset(vy, 0, sizeof(vy));
lack = 2e9;
if (dfs(i)) break;
for (int j = 1; j <= n; j++) {
if (vx[j]) lx[j] -= lack;
if (vy[j]) ly[j] += lack;
}
}
}

\(O(n^3)\) 的做法

其实是可以实现 \(O(n^3)\) 的,

  • 我们给每个 \(Y\) 顶点一个松弛量 \(\text{slack}\) ,初始为正无穷

  • 对于每条边 \((i, j)\), 若不在相等字图中,\(\text{slack}_j=\min(A_i+B_j-w_{i,j})\)

  • 修改顶标时 \(d\) 取所有不在交错树中的 \(Y\) 部点的 \(\text{slack}\) 的最小值

  • 修改完后,所有不在交错树中的 \(Y\) 部点的 \(\text{slack}\) 都减去 \(d\)

int slk[N], pre[N], mat[N];
// mat 等同于 cy
inline void bfs(int st) {
memset(pre, 0, sizeof(pre));
for (int i = 1; i <= n; i++) slk[i] = 1e9;
int x, y = 0, del, pos;
mat[y] = st;
do {
x = mat[y], vy[y] = 1, del = 1e9;
for (int i = 1; i <= n; i++) {
if (vy[i]) continue;
if (slk[i] > lx[x] + ly[i] - mp[x][i])
slk[i] = lx[x] + ly[i] - mp[x][i], pre[i] = y;
if (slk[i] < del) del = slk[i], pos = i;
}
for (int i = 0 ; i <= n; i++) {
if (vy[i]) lx[mat[i]] -= del, ly[i] += del;
else slk[i] -= del;
}
y = pos;
} while (mat[y]);
while (y) mat[y] = mat[pre[y]], y = pre[y];
}
inline void KM() {
memset(mat, 0, sizeof(mat));
memset(lx, 0, sizeof(lx));
memset(ly, 0, sizeof(ly));
for (int i = 1; i <= n; i++) {
memset(vy, 0, sizeof(vy));
bfs(i);
}
}

答案

for (int i = 1; i <= n; i++) {
if (mp[mat[i]][i]==-1e9 || !mat[i]) {
puts("-1");
break;
}
ans += mp[mat[i]][i];
}

End

【二分图】匈牙利 & KM的更多相关文章

  1. 训练指南 UVALive - 4043(二分图匹配 + KM算法)

    layout: post title: 训练指南 UVALive - 4043(二分图匹配 + KM算法) author: "luowentaoaa" catalog: true ...

  2. 【算法•日更•第五十期】二分图(km算法)

    ▎前言 戳开这个链接看看,惊不惊喜,意不意外?传送门. 没想到我的博客竟然被别人据为己有了,还没办法投诉. 这年头写个博客太难了~~~ 之前小编写过了二分图的一些基础知识和匈牙利算法,今天来讲一讲km ...

  3. 带权二分图最大匹配KM算法

    二分图的判定 如果一个图是连通的,可以用如下的染色法判定是否二分图: 我们把X部的结点颜色设为0,Y部的颜色设为1. 从某个未染色的结点u开始,做BFS或者DFS .把u染为0,枚举u的儿子v.如果v ...

  4. 【算法笔记】二分图与KM算法(当你试图只看蓝书学算法

    前言 呜,好久没写博客了,DDL 也有好多,一不留神就轮到我了呜. 看了一眼其它同学写的博客,什么数模啊,什么 CTF 啊,什么 Python 爬虫啊,感觉自己真是越来越菜了呜. 然后在我一愁莫展之际 ...

  5. hiho1122_二分图匈牙利算法

    题目 给定一个图的N个节点和节点之间的M条边,数据保证该图可以构成一个二分图.求该二分图最大匹配. 题目链接:二分图最大匹配     首先通过染色法,将图的N个节点分成两个部分:然后通过匈牙利算法求二 ...

  6. hdu-1150(二分图+匈牙利算法)

    题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=1150 思路:题目中给出两个机器A,B:给出k个任务,每个任务可以由A的x状态或者B的y状态来完成. 完 ...

  7. [SinGuLaRiTy] 二分图&匈牙利算法

    [SinGuLaRiTY-1019] Copyright (c) SinGuLaRiTy 2017. All Rights Reserved. 二分图 二分图是图论中一种特殊的图形.顾名思义,二分图G ...

  8. BZOJ1562: [NOI2009]变换序列(二分图 匈牙利)

    Description Input Output Sample Input 5 1 1 2 2 1 Sample Output 1 2 4 0 3 HINT 30%的数据中N≤50:60%的数据中N≤ ...

  9. hdu1853 Cyclic Tour (二分图匹配KM)

    Cyclic Tour Time Limit: 1000/1000 MS (Java/Others)    Memory Limit: 32768/65535 K (Java/Others)Total ...

随机推荐

  1. 判断H5页面是在小程序的webview环境中,还是在微信环境中,还是不在微信

    <script src="https://res2.wx.qq.com/open/js/jweixin-1.6.0.js" type="text/javascrip ...

  2. Spring配置数据源(连接池)

    1.数据源(连接池)的作用:为了提高程序的性能而出现的 2.数据源的原理: *事先实例化数据源,初始化部分连接资源 *使用连接资源时从数据源中获取 *使用完毕后将连接资源归还给数据源 使用c3p0的步 ...

  3. springboot读取配置文件赋值给静态变量

    1.实现InitializingBean接口,重写afterPropertiesSet方法,将@Value赋值给成员变量的属性赋值给静态变量,示例如下: /** * @Classname FileUt ...

  4. Machine Learning 学习笔记 01 Typora、配置OSS、导论

    Typora 安装与使用. Typora插件. OSS图床配置. 机器学习导论. 机器学习的基本思路. 机器学习实操的7个步骤

  5. Kubernetes部署单元-Pod

    在 k8s 搞出 pod 概念的时候,其实 docker 官方就已经推出自己的容器编排应用 swarm.这一套服务可以帮助在不同节点上的容器,进行统一的管理,主要针对容器的启停,运维,还有部署,注意我 ...

  6. Zookeeper启动问题记录——ZooKeeper audit is enabled.

    问题原因是Zookeeper的日志服务默认关闭,在zoo.cfg文件中添加 audit.enable=true 保存后重启服务就能够正常启动. 另外,这个只影响Zookeeper的日志记录,不影响其他 ...

  7. vue预渲染及其cdn配置

    VUE SEO方案一 - 预渲染及其cdn配置 项目接入VUE这样的框架后,看起来真是太漂亮了,奈何与MCV框架比起来,单页应用程序却满足不了SEO的业务需求,首屏渲染时间也是个问题.总不能白学VUE ...

  8. js逆向之AES加密

    故事背景: 在获取某网站接口数据时,发现其请求的 headers 中的参数 使用了 AES算法加密 ,并对其进行校验,在此简单记录下自己的踩坑历程. AES简介: 高级加密标准(AES,Advance ...

  9. HCIE笔记-第十节-静态路由

    协议 :标识 前方的目的网络 是通过什么协议形成的 优先级:代表形成路由的协议的优先级数值 [厂商规定] 开销值:代表该路由协议形成此路由时的开销 -- 不同的协议计算开销值的方式有区别(越小越优) ...

  10. 2021.10.29 P1649 [USACO07OCT]Obstacle Course S(BFS)

    2021.10.29 P1649 [USACO07OCT]Obstacle Course S(BFS) 题意: 给一张n*n的图,起点为A,终点为 B,求从A到B转弯次数最少为多少. 分析: 是否存在 ...