二分图
来源:互联网 发布:微信淘宝群怎么做到的 编辑:程序博客网 时间:2024/06/07 20:04
二分图
二分图又称作二部图,是图论中的一种特殊模型。设G=(V,E)是一个无向图,如果顶点V可分割为两个互不相交的子集(A,B),并且图中每条边(i,j)所关联的两个顶点i和j分别属于这两个不同的顶点集(i in A,j in B),则称图G是一个二分图。
定义
简而言之,就是顶点集V可分割为两个互不相交的子集,并且图中每条边依附的两个顶点都分属于这两个互不相交的子集,两个子集内的顶点不相邻。
辨析
区分二分图,关键是看点集是否能分成两个独立的点集
上图中U和V构造的点集所形成的循环圈不为奇数,所以是二分图。
上图中U和V和W构造的点集所形成的循环圈为奇数,所以不是二分图。
最大匹配
匹配:在图论中,一个「匹配」(matching)是一个边的集合,其中任意两条边都没有公共顶点。例如,图 3、图 4 中红色的边就是图 2 的匹配。
最大匹配:一个图所有匹配中,所含匹配边数最多的匹配,称为这个图的最大匹配。图 4 是一个最大匹配,它包含 4 条匹配边。
完全匹配:如果一个图的某个匹配中,所有的顶点都是匹配点,那么它就是一个完全匹配。图 4 是一个完全匹配。显然,完全匹配一定是最大匹配(完美匹配的任何一个点都已经匹配,添加一条新的匹配边一定会与已有的匹配边冲突)。但并非每个图都存在完全匹配。
算法
求最大匹配的一种显而易见的算法是:先找出全部匹配,然后保留匹配数最多的。但是这个算法的复杂度为边数的指数级函数。因此,需要寻求一种更加高效的算法。
增广路的定义(也称增广轨或交错轨):从一个未匹配点出发,走交替路,如果途径另一个未匹配点(出发的点不算),则这条交替路称为增广路(agumenting path)。例如,图 5 中的一条增广路如图 6 所示(图中的匹配点均用红色标出):
增广路有一个重要特点:非匹配边比匹配边多一条。因此,研究增广路的意义是改进匹配。只要把增广路中的匹配边和非匹配边的身份交换即可。由于中间的匹配节点不存在其他相连的匹配边,所以这样做不会破坏匹配的性质。交换后,图中的匹配边数目比原来多了 1 条。
匈牙利算法
用增广路求最大匹配(称作匈牙利算法,匈牙利数学家Edmonds于1965年提出)
算法轮廓:
⑴置M为空(M是一个匹配)
⑵找出一条增广路径P,通过取反操作获得更大的匹配M’代替M
⑶重复⑵操作直到找不出增广路径为止
代码部分
下边是dfs版本的代码部分
// 顶点、边的编号均从 0 开始// 邻接表储存struct Edge{ int from; int to; int weight; Edge(int f, int t, int w):from(f), to(t), weight(w) {}};vector<int> G[__maxNodes]; /// G[i] 存储顶点 i 出发的边的编号 vector<Edge> edges;typedef vector<int>::iterator iterator_t;int num_nodes;int num_left;int num_right;int num_edges;int matching[__maxNodes]; /// 存储求解结果 int check[__maxNodes];bool dfs(int u){ for (iterator_t i = G[u].begin(); i != G[u].end(); ++i) { /// 对 u 的每个邻接点 int v = edges[*i].to; if (!check[v]) { /// 要求不在交替路中 check[v] = true; /// 放入交替路 if (matching[v] == -1 || dfs(matching[v])) { /// 如果是未盖点,说明交替路为增广路,则交换路径,并返回成功 matching[v] = u; matching[u] = v; return true; } } } return false; /// 不存在增广路,返回失败}int hungarian(){ int ans = 0; memset(matching, -1, sizeof(matching)); for (int u=0; u < num_left; ++u) { if (matching[u] == -1) { memset(check, 0, sizeof(check)); if (dfs(u)) ++ans; } } return ans;}
下边是bfs版本的代码
queue<int> Q;int prev[__maxNodes];int Hungarian(){ int ans = 0; memset(matching, -1, sizeof(matching)); memset(check, -1, sizeof(check)); for (int i=0; i<num_left; ++i) { if (matching[i] == -1) { while (!Q.empty()) Q.pop(); Q.push(i); prev[i] = -1; /// 设 i 为路径起点 bool flag = false; /// 尚未找到增广路 while (!Q.empty() && !flag) { int u = Q.front(); for (iterator_t ix = G[u].begin(); ix != G[u].end() && !flag; ++ix) { int v = edges[*ix].to; if (check[v] != i) { check[v] = i; Q.push(matching[v]); if (matching[v] >= 0) { /// 此点为匹配点 prev[matching[v]] = u; } else { /// 找到未匹配点,交替路变为增广路 flag = true; int d=u, e=v; while (d != -1) { int t = matching[d]; matching[d] = e; matching[e] = d; d = prev[d]; e = t; } } } } Q.pop(); } if (matching[i] != -1) ++ans; } } return ans;}
完全二分图
完全二分图是一种特殊的二分图,可以把图中的顶点分成两个集合,使得第一个集合中的所有顶点都与第二个集合中的所有顶点相连。
性质
平面图不能含有子图K3,3;外平面图不能含有子图K3,2(这些是必要条件而不是充分条件)。 完全二部图Km,n的顶点覆盖数为min{m,n},边覆盖数为max{m,n}。 完全二分图Km,n具有大小为max{m,n}的最大独立集合。 完全二分图Km,n具有大小为min{m,n}的最大匹配。 完全二分图Kn,n具有正则的n-边染色。 完全二分图Km,n有(m^(n-1)) * (n^(m-1))个不同的生成树。
阅读全文
1 0
- 二分图
- 二分图
- 二分图
- 二分图
- 二分图
- 二分图
- 二分图
- 二分图
- 二分图
- 二分图
- 二分图
- 二分图
- 二分图
- ##二分图##
- 二分图
- 二分图
- 二分图
- 二分图
- MYSQL数据库设计规范
- 常用的排序算法的时间复杂度和空间复杂度(转)
- 智能一代云平台(四十):Maven项目如何将lib下依赖的包打印在manifest文件中
- 【行为分析】(二)前端埋点实现及原理分析
- ACM C语言入门
- 二分图
- 输入输出外挂模板
- IO操作用法简单概述
- 类与类之间的关系
- svn管理idea提交失败代码回退问题
- 数据结构和算法 —— 算法
- 4104:单词翻转
- 2016-2017 HPU暑期集训练习赛
- Leetcode—139. Word Break