POJ-3041 二分图 最小覆盖点=最大匹配数 匈牙利算法

本文介绍了一个N*N网格中清除障碍物的问题求解方法。通过构建二分图并利用匈牙利算法实现最小点覆盖,从而达到用最少次数的武器清除所有障碍物的目标。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题意 :有一个N*N的网格,该网格有K个障碍物.你有一把武器,每次你使用武器可以清楚该网格特定行或列的所有障碍.问你最少需要使用多少次武器能清除网格的所有障碍物?

思路:

将每行、每列分别看作一个点,对于case的每一个行星坐标(x,y),将第x行和第y列连接起来,例如对于输入:

(1,1)、(1,3)、(2,2)、(3,2)4点构造图G:


这样,每个点就相当于图G的一条边,消灭所有点=消灭图G的所有边,又要求代价最少,即找到图G上的最少的点使得这些点覆盖了所有边。

根据定理吗, 最小点覆盖数=最大匹配数,所以本题转化为二分图的最大匹配问题——用匈牙利算法来解决。

#include<iostream>
#include<string>
using namespace std;
#define Max 505
int n, k;
int nx[Max], ny[Max];
int visit[Max];
int x, y, edgeM[Max][Max];
int M_F(int u)
{
	for (int i = 1; i <= n; i++)
	{
		if (edgeM[u][i] && !visit[i])
		{
			visit[i] = 1;
			if (ny[i] == -1 || M_F(ny[i]))
			{
				nx[u] = i;
				ny[i] = u;
				return 1;
			}
		}
	}
	return 0;
}
int M_make()
{
	int u;
	int res = 0;
	memset(nx, -1, sizeof(nx));
	memset(ny, -1, sizeof(ny));
	for (int i = 1; i <= n; i++)
	{
		memset(visit, 0, sizeof(visit));
		res += M_F(i);
	}
	return res;
}
int main()
{
	cin >> n >> k;
	for (int i = 0; i < k; i++)
	{
		cin >> x >> y;
		edgeM[x][y] = 1;
	}
	cout<<M_make()<<endl;
	return 0;
}

### 关于二分图最小顶覆盖的算法实现 #### 1. 最小顶覆盖的概念 最小顶覆盖是指在一个二分图中选取尽可能少的节,使得这些节能够覆盖所有的边。换句话说,对于每一条边 (u, v),至少有一个端 u 或 v 被选入覆盖集中。 根据 König 定理,在任意无向二分图中,最小顶覆盖的数量等于该图的最大匹配数量[^1]。 --- #### 2. 算法原理 为了求解二分图的最小顶覆盖,通常采用 **匈牙利算法** 来计算最大匹配数。具体过程如下: - 构建一个二分图 G(X,Y,E),其中 X 和 Y 是两个互不相交的节集合,E 表示连接它们的边。 - 使用匈牙利算法找到二分图最大匹配 M。 - 基于最大匹配的结果,通过以下方式构造最小顶覆盖: - 将左侧未被匹配的节加入到覆盖集中; - 对右侧已被匹配的节也加入到覆盖集中。 最终得到的覆盖集大小即为最小顶覆盖的数量[^2]。 --- #### 3. 实现代码 以下是基于 Python 的实现代码,利用匈牙利算法完成二分图最小顶覆盖的计算: ```python from collections import defaultdict def hungarian_algorithm(graph, n, m): """ 匈牙利算法用于寻找二分图最大匹配 :param graph: 邻接表表示的二分图 {X -> [Y]} :param n: 左侧节数目 :param m: 右侧节数目 :return: 最大匹配结果 """ match_y = [-1] * m # 记录右侧节对应的匹配关系 visited = None # 当前轮次访问标记 def dfs(u): for v in graph[u]: if not visited[v]: visited[v] = True if match_y[v] == -1 or dfs(match_y[v]): match_y[v] = u return True return False matching_count = 0 for i in range(n): visited = [False] * m if dfs(i): matching_count += 1 return matching_count, match_y def min_vertex_cover(graph, n, m): """ 求解二分图的最小顶覆盖 :param graph: 邻接表表示的二分图 {X -> [Y]} :param n: 左侧节数目 :param m: 右侧节数目 :return: 最小顶覆盖集合 """ max_matching, match_y = hungarian_algorithm(graph, n, m) cover_x = set() # 左侧需要覆盖的节 cover_y = set() # 右侧需要覆盖的节 unmatched_in_x = set(range(n)) # 初始认为所有左侧节都未匹配 matched_in_y = set() for y in range(m): # 找出右侧已匹配的节 if match_y[y] != -1: unmatched_in_x.discard(match_y[y]) # 如果某个左侧节参与了匹配,则移除 matched_in_y.add(y) cover_x.update(unmatched_in_x) # 添加左侧未匹配的节 cover_y.update(set(range(m)) - matched_in_y) # 添加右侧未匹配的节 return list(cover_x), list(cover_y) # 测试用例 if __name__ == "__main__": # 输入邻接表形式的二分图 graph = { 0: [0, 1], 1: [0, 2], 2: [1, 3] } n = 3 # 左侧节数 m = 4 # 右侧节数 result_x, result_y = min_vertex_cover(graph, n, m) print(f"左侧需覆盖的节: {result_x}") print(f"右侧需覆盖的节: {result_y}") ``` 上述代码实现了二分图的最小顶覆盖功能,核心部分依赖匈牙利算法来获取最大匹配,并据此推导出覆盖所需的节集合[^3]。 --- #### 4. 应用实例 考虑 POJ 3041 Asteroids 这道题目,其本质是一个二分图最小顶覆盖问题。给定一组障碍物坐标,将其转化为二分图模型后,可以通过以上方法高效解决。最终输出的是满足条件的最小射击次数[^4]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值