下载文档原格式
图论——⼆分图1：⼆分图以及判定图，有有向图，⽆向图，稠密图，简单图······算法，有贪⼼法，⼆分法，模拟法，倍增法······那，⼆分图是啥？⼆分法+有向图？于是，我查了许多资料，才对它有⼀定了解。
⼆分图：⼆分图，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)，并且同⼀集合中不同的两点没有边相连。
这就是⼆分图。
举个栗⼦吧：这是不是⼆分图？反正我第⼀次看觉得不是其实，是的，他是⼆分图，尽管看上去是连着的。
若我们将图中的⼀些边转⼀下，变成：这就是⼀个明显的⼆分图。
集合A与B中的点互不相连。
因此，在⼿动判定⼆分图时学会转边！辣魔，⼆分图要⽤计算机判定怎么实现？数竞⼤佬：简单！！！！染⾊⼤法！！！有没有熟悉的感觉0表⽰还未访问，1表⽰在集合A中，2表⽰在集合B中。
col（color）储存颜⾊。
初始化为0.上代码：其实是模板可以记忆。
1 vector <int> v[N];2void dfs(int x,int y){3 col[x]=y;4for (int i=0; i<v[x].size(); i++) {5if (!col[v[x][i]]) dfs(v[x][i],3-y);6if (col[v[x][i]]==col[x]) FLAG=true; //产⽣了冲突7 }8 }9for (i=1; i<=n; i++) col[i]=0; //初始化10for (i=1; i<=n; i++) if (!col[i]) dfs(i,1); //dfs染⾊11if (FLAG) cout<<"NO"; else cout<<"YES";下⼀章我们将讲到⼆分图的匹配，我们明天见。
⼆分图概念及性质 段段续续的看⼆分图已经有些时⽇了。
现在借着周末整理⼀下这么多天对⼆分图的掌握程度。
也好对⼆分图有个整体的认知。
另外，此⽂只针对与⼆分图的⼀些概念和性质，不涉及求最⼤匹配的算法。
好吧，切⼊正题： ⾸先我们抛开⼆分图严谨准确的定义，从⼀个感性的⾓度来认识⼀下什么是⼆分图。
所谓⼆分图，就是能够把图中的定点分成两个X，Y两部分；并且整个图的边只存在于X与Y之间。
就是说，X与Y的内部是不存在边的，否则的话就不是⼆分图了。
举个例⼦：如果把整个⼈类中的男⼈和⼥⼈看成顶点，⼈与⼈之间的恋爱关系（这⾥只讨论异性之间的正常恋爱，同性恋是不被承认的）为边来建⽴图模型的话。
那么这其实就是⼀个⼆分图，其中的男⼈为X部分，⼥⼈为Y部分。
好了，现在我们给出⼆分图严谨的科学定义： 假设图G=（V，E）是⼀个⽆向图，若顶点集 V 可以分解成两个互不相交的⼦集（A，B），并且图中的所有边（i，j）的端点 i，j 分别属于⼦集 A，B 中的元素，则称图 G 是⼀个⼆分图。
为了更好的叙述下⽂，先让我们清楚⼀个概念： 匹配：⽆公共点的边集合。
（形象点就是 X与Y之间的边的个数） 匹配数：边集中边的个数。
最⼤匹配：匹配数最⼤的匹配。
边独⽴集：指图中边集的⼀个⼦集，且该⼦集中的任意两条边之间没有公共点。
（对⽐匹配的概念我们发现，其实边独⽴集和匹配是⼀个概念） 最⼤边独⽴集：包含边数最多的边独⽴集。
（其实就是最⼤匹配，为了⽅便，以后统称最⼤匹配）图1如图1，如果<1,4>是⼀个合法匹配，那么<1,5>就不是⼀个合法的匹配，因为它们有公共点1 。
同样的如果<2,5>是⼀个合法的匹配，那么<2,6>和<3,5>就不是⼀个合法的匹配。
不难看出，其中最⼤匹配是边集：{1， 4， 5}，最⼤匹配数为3 。
独⽴集： 是指图的顶点集的⼀个⼦集，且该⼦集中的任意两个顶点之间不存在边。
二分图的定义二分图的定义非常简单，有两组顶点，一组顶点记为L ，另一组记为R ，L 和R 没有公共的元素，并且所有的边都是连接L 和R 中的点的，对于L 和R 本身，它们内部的任何两个点都没有边相连，这样的无向图就叫二分图。
《组合数学》上这样讲解：二分图可描述为：一，顶点的集合；二，将该顶点集分成两部分的一个划分；三，连接一部分的一个顶点与另一部分的一个顶点的边的集合。
二分图是无向图，那么什么样的无向图是二分图呢？有以下定理：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。
证明：至少两个顶点，这个显然，把这个条件忽略掉，着重考虑回路长度为偶数这一条件。
先证充分性：由于图中可能有回路也可能无回路，无回路的情况应该最简单，自然考虑分类讨论。
于是，分类讨论后，充分性的证明转化成以下两个命题：a)所有无回路的无向图都是二分图；b)所有有回路且回路长度为偶数的无向图都是二分图。
对于a) ，因为无回路无向图总是能把它画成一棵树，所以，这个命题等价于：所有的树都是二分图。
到这里，命题a) 证明显然，因为有一种很简单的从树构造二分图的方法：令树的奇数层的结点为集合L ，令树的偶数层结点为集合R ，这样就从树得到了一个二分图。
再看命题b) ，可以把b) 转化为a) 。
对于图中的每一个回路，我们都从中拿掉一条边，这样可以消灭所有的回路，由a) 知消灭掉所有回路之后的图是二分图。
把此时得到的二分图画成一棵树，拿掉一条边后的回路此时就是树中的一条路径，并且路径的长度为奇数，这就意味着路径的头结点和尾结点所在层数的编号一个是奇数一个是偶数，用上面的从树构造二分图的方法知，头结点和尾结点分别在集合L 中和集合R 中，我们再把拿掉的这条边加上去，只不过是在L 和R 中的两个顶点间连接了一条边，图仍然是原来的二分图。
至此，充分性得证。
再证必要性。
假设二分图中的一条回路是(v0, v1, v2, …, vm, v0) ，由于是二分图，相邻顶点必不属于同一个集合，用L 标记属于集合L 的点，用R 标记属于集合R 的点，不妨假设v0 属于L ，则上面的回路可以标记为L, R, L, R, …, L, R ，由此可见，回路必有偶数个顶点，因此必有偶数条边。
最大二分图匹配（匈牙利算法）二分图指的是这样一种图：其所有的顶点分成两个集合M和N，其中M或N中任意两个在同一集合中的点都不相连。
二分图匹配是指求出一组边，其中的顶点分别在两个集合中，并且任意两条边都没有相同的顶点，这组边叫做二分图的匹配，而所能得到的最大的边的个数，叫做最大匹配。
计算二分图的算法有网络流算法和匈牙利算法（目前就知道这两种），其中匈牙利算法是比较巧妙的，具体过程如下（转自组合数学）：令g=（x,*,y）是一个二分图，其中x={x1,x2...},y={y1,y2,....}.令m为g中的任意匹配。
1。
将x的所有不与m的边关联的顶点表上￥，并称所有的顶点为未扫描的。
转到2。
2。
如果在上一步没有新的标记加到x的顶点上，则停，否则，转33。
当存在x被标记但未被扫描的顶点时，选择一个被标记但未被扫描的x的顶点，比如xi，用（xi）标记y 的所有顶点，这些顶点被不属于m且尚未标记的边连到xi。
现在顶点xi 是被扫描的。
如果不存在被标记但未被扫描的顶点，转4。
4。
如果在步骤3没有新的标记被标记到y的顶点上，则停，否则转5。
5。
当存在y被标记但未被扫描的顶点时。
选择y的一个被标记但未被扫描的顶点，比如yj，用（yj）标记x的顶点，这些顶点被属于m且尚未标记的边连到yj。
现在，顶点yj是被扫描的。
如果不存在被标记但未被扫描的顶点则转道2。
由于每一个顶点最多被标记一次且由于每一个顶点最多被扫描一次，本匹配算法在有限步内终止。
代码实现：bfs过程：#include<stdio.h>#include<string.h>main(){bool map[100][300];inti,i1,i2,num,num1,que[300],cou,stu,match1[100],match2[300],pqu e,p1,now,prev[300],n;scanf("%d",&n);for(i=0;i<n;i++){scanf("%d%d",&cou,&stu);memset(map,0,sizeof(map));for(i1=0;i1<cou;i1++){scanf("%d",&num);for(i2=0;i2<num;i2++){scanf("%d",&num1);map[i1][num1-1]=true;}}num=0;memset(match1,int(-1),sizeof(match1)); memset(match2,int(-1),sizeof(match2)); for(i1=0;i1<cou;i1++){p1=0;pque=0;for(i2=0;i2<stu;i2++){if(map[i1][i2]){prev[i2]=-1;que[pque++]=i2;}elseprev[i2]=-2;}while(p1<pque){now=que[p1];if(match2[now]==-1)break;p1++;for(i2=0;i2<stu;i2++){if(prev[i2]==-2&&map[match2[now]][i2]){prev[i2]=now;que[pque++]=i2;}}}if(p1==pque)continue;while(prev[now]>=0){match1[match2[prev[now]]]=now; match2[now]=match2[prev[now]]; now=prev[now];}match2[now]=i1;match1[i1]=now;num++;}if(num==cou)printf("YES\n");elseprintf("NO\n");}}dfs实现过程：#include<stdio.h>#include<string.h>#define MAX 100bool map[MAX][MAX],searched[MAX]; int prev[MAX],m,n;bool dfs(int data){int i,temp;for(i=0;i<m;i++){if(map[data][i]&&!searched[i]){searched[i]=true;temp=prev[i];prev[i]=data;if(temp==-1||dfs(temp))return true;prev[i]=temp;}}return false;}main(){int num,i,k,temp1,temp2,job;while(scanf("%d",&n)!=EOF&&n!=0) {scanf("%d%d",&m,&k);memset(map,0,sizeof(map));memset(prev,int(-1),sizeof(prev)); memset(searched,0,sizeof(searched));for(i=0;i<k;i++){scanf("%d%d%d",&job,&temp1,&temp2); if(temp1!=0&&temp2!=0)map[temp1][temp2]=true;}num=0;for(i=0;i<n;i++){memset(searched,0,sizeof(searched)); dfs(i);}for(i=0;i<m;i++){if(prev[i]!=-1)num++;}printf("%d\n",num);}}。
算法———艺术二分图匹配剖析很多人说，算法是一种艺术。
但是对于初学者的我，对算法认识不是很深刻，但偶尔也能感受到他强大的魅力与活力。
这让我追求算法的脚步不能停止。
下面我通过分析匈牙利算法以及常用建图方式，与大家一起欣赏算法的美。
匈牙利算法匈牙利算法是用来解决最大二分图匹配问题的，所谓二分图即“一组点集可以分为两部分，且每部分内各点互不相连，两部分的点之间可以有边”。
所谓最大二分图匹配即”对于二分图的所有边，寻找一个子集，这个子集满足两个条件，1：任意两条边都不依赖于同一个点。
2：让这个子集里的边在满足条件一的情况下尽量多。
首先可以想到的是，我们可以通过搜索，找出所有的这样的满足上面条件的边集，然后从所有的边集中选出边数最多的那个集合，但是我们可以感觉到这个算法的时间复杂度是边数的指数级函数，因此我们有必要寻找更加高效的方法。
目前比较有效的方法有匈牙利算法和通过添加汇点和源点的网络流算法，对于点的个数都在200 到300 之间的数据，我们是采取匈牙利算法的，因为匈牙利算法实现起来要比网络流简单些。
下面具体说说匈牙利算法：介绍匈牙利之前，先说说“增广轨”。
定义：若P是图G中一条连通两个未匹配顶点的路径，并且属最大匹配边集M的边和不属M的边(即已匹配和待匹配的边)在P上交替出现，则称P为相对于M的一条增广轨定义总是抽象的下面通过图来理解它。
图中的线段（2->3, 3->1, 1->4）便是上面所说的p路径，我们假定边（1,3）是以匹配的边，（2,3）（1,4）是未匹配的边，则边（4,1）边（1,3）和边（3,2）在路径p上交替的出现啦，那么p就是相对于M的一条增广轨，这样我们就可以用边1,4 和边2,3来替换边1,3 那么以匹配的边集数量就可以加1,。
匈牙利算法就是同过不断的寻找增广轨实现的。
很明显如果二分图的两部分点分别为n 和m，那么最大匹配的数目应该小于等于MIN（n,m）; 因此我们可以枚举任第一部分（的二部分也可以）里的每一个点，我们从每个点出发寻找增广轨，最后吧第一部分的点找完以后，就找到了最大匹配的数目，当然我们也可以通过记录找出这些边。
【算法】⼆分图的判定⼆分图的判定 给定⼀个具有n个顶点的图。
要给图上每个顶点染⾊，并且要使相邻的顶点颜⾊不同。
判断是否能最多⽤两种颜⾊进⾏染⾊。
题⽬保证没有重边和⾃环。
概念：把相邻顶点染成不同颜⾊的问题叫做图的着⾊问题。
对图进⾏染⾊所需要的最⼩颜⾊数称为最⼩着⾊度。
最⼩着⾊度为2的图称作⼆分图。
分析：如果只⽤两种颜⾊，那么确定⼀个顶点的颜⾊之后，和它相邻的顶点的颜⾊也就确定了。
因此，选择任意⼀个顶点出发，依次确定相邻顶点的颜⾊，就可以判断是否可以被2种颜⾊染⾊了。
这个问题⽤深度优先搜索可以简单实现。
#include <bits\stdc++.h>using namespace std;#define MAX_V 1000//输⼊vector<int> G[MAX_V]; //图int V; //顶点数int color[MAX_V]; //顶点的颜⾊（1 or -1）//顶点v，颜⾊cbool dfs(int v,int c){color[v] = c;//把当前顶点相邻的顶点扫⼀遍for(int i = 0;i < G[v].size(); i++){//如果相邻顶点已经被染成同⾊了,说明不是⼆分图if(color[G[v][i]] == c) return false;//如果相邻顶点没有被染⾊,染成-c,看相邻顶点是否满⾜要求if(color[G[v][i]] == 0 && !dfs(G[v][i],-c)) return false;}//如果都没问题，说明当前顶点能访问到的顶点可以形成⼆分图return true;}void solve(){//可能是不连通图，所以每个顶点都要dfs⼀次for(int i = 0;i < V; i++){if(color[i] == 0){//第⼀个点颜⾊为 1if(!dfs(i,1)){cout << "No" << endl;return;}}}}int main(){//输⼊}。
