《二分图最大匹配》基础概念-CSDN博客

本文链接：https://blog.csdn.net/WhereIsHeroFrom/article/details/148762063

文章目录

一、算法概述

定义：匈牙利算法（Hungarian Algorithm）用于求解二分图的最大匹配问题，即在一个二分图中，找到最多的边的集合，使得集合中的任意两条边都没有公共顶点。
核心思想：通过不断寻找增广路径（从非匹配点出发，交替经过非匹配边和匹配边，最终到达另一个非匹配点的路径），并对增广路径上的边进行取反操作（匹配边变为非匹配边，非匹配边变为匹配边），从而增加匹配边的数量，直到不存在增广路径为止。
应用场景：
- 任务分配问题：将多个任务分配给多个工人，每个工人只能执行一个任务，每个任务只能由一个工人执行，求最优分配方案。
- 资源调度问题：在资源有限的情况下，将资源分配给不同的项目，使资源利用率最大化。
- 稳定婚姻问题：在男女配对中，找到一个稳定的配对方案，使得不存在男女双方都更倾向于对方而不是当前配偶的情况。

二、算法思路

数据结构：
- 使用邻接表adj存储二分图的边信息，adj[i]表示左边点集i号顶点的所有边对应的右边顶点。
- 数组pre记录右边顶点的匹配情况，pre[i]表示右边顶点i匹配的左边顶点编号。
- 数组visit标记右边顶点是否在当前寻找增广路径过程中被访问过。
初始化：
- 清空所有边信息，并将pre数组初始化为 -1，表示所有右边顶点初始时都未匹配。
寻找增广路径：
- 从左边点集的每个顶点出发，尝试寻找增广路径。
- 对于当前顶点u，遍历其所有邻接的右边顶点v，若v未被访问过，则标记v已访问。
- 检查v是否未匹配（pre[v] == -1），若未匹配则直接将v与u匹配；若已匹配，则递归尝试为v的当前匹配顶点pre[v]寻找新的匹配。
更新最大匹配数：
- 每次找到一条增广路径，最大匹配数加1，直到左边点集的所有顶点都尝试完毕，最终得到二分图的最大匹配数。

三、伪代码实现

1. 数据结构与全局变量

常量 maxn = 510  # 左边点集的最大顶点数
常量 maxm = 510  # 右边点集的最大顶点数
数组 adj[maxn][]  # 邻接表存储二分图的边，adj[i] 存储左边顶点 i 对应的右边顶点列表
数组 pre[maxm]  # pre[i] 记录右边顶点 i 匹配的左边顶点编号
数组 visit[maxm]  # visit[i] 标记右边顶点 i 是否在当前寻找增广路径过程中被访问过
变量 n  # 左边点集的实际顶点数量
变量 m  # 右边点集的实际顶点数量

2. 核心函数框架

算法：匈牙利算法求解二分图最大匹配
输入：二分图的左边顶点数 n，右边顶点数 m，图的边信息
输出：二分图的最大匹配数

函数 Hungarian_Init(n_, m_):
    n = n_  # 初始化左边点集数量
    m = m_  # 初始化右边点集数量
    对 pre 数组的每个元素赋值为 -1  # 初始化右边顶点匹配情况为未匹配
    for i 从 1 到 n:
        清空 adj[i]  # 清空左边顶点 i 的邻接边列表

函数 Hungarian_AddEdge(u, v):
    将 v 添加到 adj[u] 中  # 添加从左边顶点 u 到右边顶点 v 的边

函数 Hungarian_findMatch(u):
    for i 从 0 到 adj[u] 的长度 - 1:
        v = adj[u][i]  # 获取与左边顶点 u 邻接的右边顶点 v
        if not visit[v]:  # 若 v 未被访问过
            visit[v] = true  # 标记 v 已访问
            vpre = pre[v]  # 记录 v 当前匹配的左边顶点
            pre[v] = u  # 尝试将 v 与 u 匹配
            if vpre == -1 或者 Hungarian_findMatch(vpre):
                return true  # 找到增广路径，返回成功
            pre[v] = vpre  # 恢复 v 的原匹配
    return false  # 未找到增广路径，返回失败

函数 Hungarian_GetMaxMatch():
    cnt = 0  # 初始化最大匹配数为 0
    for i 从 1 到 n:
        对 visit 数组的每个元素赋值为 false  # 重置访问标记
        if Hungarian_findMatch(i):
            cnt = cnt + 1  # 找到增广路径，匹配数加 1
    return cnt  # 返回最大匹配数

# 主程序（示例）
输入左边顶点数 n 和右边顶点数 m
Hungarian_Init(n, m)
输入边的数量 e
for i 从 0 到 e - 1:
    输入左边顶点 u 和右边顶点 v
    Hungarian_AddEdge(u, v)
输出 Hungarian_GetMaxMatch()  # 输出二分图的最大匹配数

四、算法解释

1. 初始化过程（Hungarian_Init）

接收二分图左边和右边点集的顶点数量，分别赋值给全局变量n和m。
将pre数组所有元素设为 -1，表示右边顶点初始均未匹配。
清空邻接表adj中每个左边顶点对应的边列表，为后续添加边做准备。

2. 添加边过程（Hungarian_AddEdge）

对于输入的边(u, v)，将右边顶点v添加到左边顶点u的邻接表adj[u]中，用于后续寻找增广路径时遍历与u相连的右边顶点。

3. 寻找增广路径过程（Hungarian_findMatch）

从左边顶点u出发，遍历其邻接表adj[u]中的每个右边顶点v。
若v未被访问过，标记v为已访问，并记录v当前匹配的左边顶点vpre = pre[v]，尝试将v与u匹配（pre[v] = u）。
若v未匹配（vpre == -1），则直接找到了一条增广路径；若v已匹配，则递归调用Hungarian_findMatch(vpre)，尝试为v的当前匹配顶点vpre寻找新的匹配。若递归调用成功，则说明存在增广路径；若失败，则恢复v的原匹配（pre[v] = vpre）。
若遍历完u的所有邻接顶点都未找到增广路径，则返回false。

4. 计算最大匹配数过程（Hungarian_GetMaxMatch）

从左边点集的第一个顶点开始，依次调用Hungarian_findMatch函数寻找增广路径。
每次调用Hungarian_findMatch成功找到增广路径后，将最大匹配数cnt加1。
遍历完左边点集的所有顶点后，cnt即为二分图的最大匹配数，返回该值。

5. 示例演示

假设二分图左边点集有3个顶点，右边点集有3个顶点，边的连接情况为(1, 1)，(1, 2)，(2, 2)，(3, 3)。
初始化后，pre数组元素均为 -1，adj邻接表为空。
添加边后，adj[1] = [1, 2]，adj[2] = [2]，adj[3] = [3]。
从左边顶点1开始寻找增广路径，找到顶点1与右边顶点1匹配；继续寻找，顶点1还可与右边顶点2匹配，更新匹配；从顶点2寻找，顶点2与右边顶点2匹配；从顶点3寻找，顶点3与右边顶点3匹配。最终最大匹配数为3。

五、复杂度分析

时间复杂度：
- 最坏情况下，对于左边点集的每个顶点都要进行一次寻找增广路径的操作，每次寻找增广路径的过程中，需要遍历该顶点的所有邻接边，假设二分图中左边点集有n个顶点，右边点集有m个顶点，边的数量为e，则每次寻找增广路径的时间复杂度为 $O (e)$ ，因此匈牙利算法的时间复杂度为 $\times e)$ 。在稠密图中， $\times m)$ ，此时时间复杂度为 $\times n \times m)$ ；在稀疏图中， $e = O (n + m)$ ，时间复杂度为 $\times (n + m))$ 。
空间复杂度：
- 邻接表adj存储图的边信息，空间复杂度为 $O (e)$ ，其中e为边的数量；数组pre和visit的长度分别为右边点集的顶点数m，空间复杂度为 $O (m)$ 。因此，总的空间复杂度为 $O (e + m)$ ，在最坏情况下， $\times m)$ ，空间复杂度为 $\times m + m) = O(n \times m)$ 。