POJ-1325 Machine Schedule 二分图匹配求最小顶点覆盖

本文针对一道曾在杭州电子科技大学出现过的编程题目进行了深入探讨,并分享了一段存在bug的代码及修正后的正确实现。该问题涉及从0状态开始的匹配过程,并通过最大顶点覆盖的方法来确保所有任务都能被至少一台机器执行。

以前在杭电上做过,不过代码提交到POJ就WA了,原因还是程序存在一定的bug:
http://www.cnblogs.com/Lyush/archive/2012/03/28/2422060.html

在处理开始状态为0状态,匹配结果不进行统计的过程中,正确的处理方式应该是忽略掉所有能够工作的0状态的所有工作,因为这样的工作肯定是先让他们在0状态工作完。然后将其他的工作进行连边,然后求一个最大顶点覆盖(所有的边都至少有一个顶点落在所求顶点集合内),也即所有的工作至少能够有一台机器进行执行。

代码如下:

#include <cstdlib>
#include <cstring>
#include <cstdio> 
using namespace std;
int N, M, K, visit[105], marry[105];
int G[105][105];

int path(int u)
{
    for (int i = 0; i < M; ++i) {
        if (!G[u][i] || visit[i])
            continue;
        visit[i] = 1;
        if (marry[i] == -1 || path(marry[i])) {
            marry[i] = u;
            return 1;
        }
    }
    return 0;
}
/*
3 3 2
0 1 1
1 0 1

1
*/

int main()
{
    int a, x, y, ans;
    while (scanf("%d", &N), N) {
        scanf("%d %d", &M, &K);
        ans = 0;
        memset(G, 0, sizeof (G));
        memset(marry, 0xff, sizeof (marry));
        for (int i = 0; i < K; ++i) {
            scanf("%d %d %d", &a, &x, &y);
            if (x && y) 
                G[x][y] = 1;
        }
        for (int i = 0; i < N; ++i) {
            memset(visit, 0, sizeof (visit));
            if (path(i)) {
                ++ans;
            }
        }
        printf("%d\n", ans);
    }
    return 0;
}

 

### 关于二分图最小顶点覆盖的算法实现 #### 1. 最小顶点覆盖的概念 最小顶点覆盖是指在一个二分图中选取尽可能少的节点,使得这些节点能够覆盖所有的边。换句话说,对于每一条边 (u, v),至少有一个端点 u 或 v 被选入覆盖集中。 根据 König 定理,在任意无向二分图中,最小顶点覆盖的数量等于该图的最大匹配数量[^1]。 --- #### 2. 算法原理 为了二分图最小顶点覆盖,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点集合,E 表示连接它们的边。 - 使用匈牙利算法找到二分图的最大匹配 M。 - 基于最大匹配的结果,通过以下方式构造最小顶点覆盖- 将左侧未被匹配的节点加入到覆盖集中; - 对右侧已被匹配的节点也加入到覆盖集中。 最终得到的覆盖集大小即为最小顶点覆盖的数量[^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点覆盖的计算: ```python from collections import defaultdict def hungarian_algorithm(graph, n, m): """ 匈牙利算法用于寻找二分图的最大匹配 :param graph: 邻接表表示的二分图 {X -> [Y]} :param n: 左侧节点数目 :param m: 右侧节点数目 :return: 最大匹配结果 """ match_y = [-1] * m # 记录右侧节点对应的匹配关系 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): """ 二分图最小顶点覆盖 :param graph: 邻接表表示的二分图 {X -> [Y]} :param n: 左侧节点数目 :param m: 右侧节点数目 :return: 最小顶点覆盖集合 """ max_matching, match_y = hungarian_algorithm(graph, n, m) cover_x = set() # 左侧需要覆盖的节点 cover_y = set() # 右侧需要覆盖的节点 unmatched_in_x = set(range(n)) # 初始认为所有左侧节点都未匹配 matched_in_y = set() for y in range(m): # 找出右侧已匹配的节点 if match_y[y] != -1: unmatched_in_x.discard(match_y[y]) # 如果某个左侧节点参与了匹配,则移除 matched_in_y.add(y) cover_x.update(unmatched_in_x) # 添加左侧未匹配的节点 cover_y.update(set(range(m)) - matched_in_y) # 添加右侧未匹配的节点 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 # 左侧节点数 m = 4 # 右侧节点数 result_x, result_y = min_vertex_cover(graph, n, m) print(f"左侧需覆盖的节点: {result_x}") print(f"右侧需覆盖的节点: {result_y}") ``` 上述代码实现了二分图最小顶点覆盖功能,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点集合[^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点覆盖问题。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