二分图最大匹配之Hopcroft-Karp算法
来源:互联网 发布:淘宝店铺复核不通过 编辑:程序博客网 时间:2024/05/20 21:59
Hopcroft-Karp算法
该算法由John.E.Hopcroft和Richard M.Karp于1973提出,故称Hopcroft-Karp算法。
原理
为了降低时间复杂度,可以在增广匹配集合M时,每次寻找多条增广路径。这样就可以进一步降低时间复杂度,可以证明,算法的时间复杂度可以到达O(n^0.5*m),虽然优化不了多少,但在实际应用时,效果还是很明显的。
基本算法
该算法主要是对匈牙利算法的优化,在寻找增广路径的时候同时寻找多条不相交的增广路径,形成极大增广路径集,然后对极大增广路径集进行增广。在寻找增广路径集的每个阶段,找到的增广路径集都具有相同的长度,且随着算法的进行,增广路径的长度不断的扩大。可以证明,最多增广n^0.5次就可以得到最大匹配。
算法流程
(1)从G=(X,Y;E)中取一个初始匹配。
(2)若X中的所有顶点都被M匹配,则表明M为一个完美匹配,返回;否则,以所有未匹配顶点为源点进行一次BFS,标记各个点到源点的距离。
(3)在满足dis[v] = dis[u] + 1的边集<v,u>中,从X中找到一个未被M匹配的顶点x0,记S = {x0},T = ¢。
(4)若N(S) = T,则表明当前已经无法得到更大匹配,返回;否则取一y0∈N(S) - 。
(5)若y0已经被M匹配则转步骤(6),否则做一条x0->y0的M-增广路径P(x0,y0),取M = M△P(x0,y0)。
(6)由于y已经被M匹配,所以M中存在一条边(y0,z0)去S = S∪ {z0},T = T∪{y0},转步骤(2)。
算法具体时间与分析
在寻找增广路径中可以对X中的每个未匹配的顶点进行BFS,BFS时对每个顶点维护一个距离编号dx[nx],dy[ny],如果某个Y中的节点为未匹配点,则找到一条增广路径。BFS结束后找到了增广路径集。然后利用DFS与匈牙利算法类似的方法对每条增广路进行增广,这样就可以找到最大匹配。
实现代码
以Hdu 2389 为例。
#include <iostream>#include <cstdlib>#include <cstdio>#include <cstring>#include <queue>#include <cmath>using namespace std;const int MAXN = 3010;const int MAXM = 3010*3010;const int INF = 0x3f3f3f3f;struct Edge{int v;int next;}edge[MAXM];struct node{double x, y;double v;}a[MAXN], b[MAXN];int nx, ny;int cnt;int t;int dis;int first[MAXN];int xlink[MAXN], ylink[MAXN]; /*xlink[i]表示左集合顶点所匹配的右集合顶点序号,ylink[i]表示右集合i顶点匹配到的左集合顶点序号。*/int dx[MAXN], dy[MAXN]; /*dx[i]表示左集合i顶点的距离编号,dy[i]表示右集合i顶点的距离编号*/int vis[MAXN]; //寻找增广路的标记数组 void init(){cnt = 0;memset(first, -1, sizeof(first));memset(xlink, -1, sizeof(xlink));memset(ylink, -1, sizeof(ylink));}void read_graph(int u, int v){edge[cnt].v = v;edge[cnt].next = first[u], first[u] = cnt++;}int bfs(){queue<int> q;dis = INF;memset(dx, -1, sizeof(dx));memset(dy, -1, sizeof(dy));for(int i = 0; i < nx; i++){if(xlink[i] == -1){q.push(i);dx[i] = 0;}}while(!q.empty()){int u = q.front(); q.pop();if(dx[u] > dis) break;for(int e = first[u]; e != -1; e = edge[e].next){int v = edge[e].v;if(dy[v] == -1){dy[v] = dx[u] + 1;if(ylink[v] == -1) dis = dy[v];else{dx[ylink[v]] = dy[v]+1;q.push(ylink[v]);}}}}return dis != INF;}int find(int u){for(int e = first[u]; e != -1; e = edge[e].next){int v = edge[e].v;if(!vis[v] && dy[v] == dx[u]+1){vis[v] = 1;if(ylink[v] != -1 && dy[v] == dis) continue;if(ylink[v] == -1 || find(ylink[v])){xlink[u] = v, ylink[v] = u;return 1;}}}return 0;}int MaxMatch(){int ans = 0;while(bfs()){memset(vis, 0, sizeof(vis));for(int i = 0; i < nx; i++) if(xlink[i] == -1){ans += find(i);}}return ans;}double dist(const node a, const node b){return sqrt((a.x-b.x)*(a.x-b.x) + (a.y-b.y)*(a.y-b.y));}void read_case(){init();int Time;scanf("%d", &Time);scanf("%d", &nx);for(int i = 0; i < nx; i++){scanf("%lf%lf%lf", &a[i].x, &a[i].y, &a[i].v);}scanf("%d", &ny);for(int i = 0; i < ny; i++){scanf("%lf%lf", &b[i].x, &b[i].y);}for(int i = 0; i < nx; i++){for(int j = 0; j < ny; j++){double limit = a[i].v*Time;double s = dist(a[i], b[j]);if(s <= limit) read_graph(i, j);}}}void solve(){read_case();int ans = MaxMatch();printf("%d\n\n", ans);}int main(){int T, times = 0;scanf("%d", &T);while(T--){printf("Scenario #%d:\n", ++times);solve();}return 0;}
- 二分图最大匹配之Hopcroft-Karp算法
- 学习Hopcroft-Karp二分图最大匹配算法
- 二分图最大匹配算法-Hopcroft-Karp模板
- hdu 1150 二分图的最大匹配 hopcroft-karp算法
- 【二分图匹配】Hopcroft-Karp算法模板
- 二分匹配Hopcroft-Karp算法
- 利用匈牙利算法&Hopcroft-Karp算法解决二分图中的最大二分匹配问题
- 二分图匹配-Hopcroft-Karp
- 二分图最大匹配hopcroft-karp算法——HDU 2389
- Hopcroft-Karp算法模板(解决二分图最大匹配问题)
- HDU2389Rain on your Parade(二分图最大匹配之Hopcroft-Karp)
- POJ 1469二分图匹配Hopcroft-Karp算法
- hdu2389+二分匹配(Hopcroft-Karp算法)
- 最大匹配的Hopcroft-Karp算法
- 【Hopcroft-Karp && 二分图的最大匹配数 && 有向图】HDU
- hdu 2389 Rain on your Parade(二分图最大匹配,Hopcroft-Karp)
- hdu1845 Jimmy’s Assignment (最大匹配Hopcroft-Karp算法)
- 最大匹配优化--Hopcroft-Karp算法及其他资料
- C语言中判断大小端的方法
- struts2的namespace问题
- C++中读文件很有用的fseek函数
- 关于数据库连接组件Proxool配置及使用(一)
- navigationItem.rightBarButtonItem 实现多个右侧按钮
- 二分图最大匹配之Hopcroft-Karp算法
- 变量和类成员的初始化问题
- createrepo
- C语言中内存堆和栈的区别
- 如何查看Office 和window信息
- MSSQL注入学习笔记
- Can not issue NULL query. with root cause
- createrepo:创建本地源
- SQL基本语句学习(上)