二分图最大匹配：匈牙利算法的python实现

二分图匹配是很常见的算法问题，一般用匈牙利算法解决二分图最大匹配问题，但是目前网上绝大多数都是C/C++实现版本，没有python版本，于是就用python实现了一下深度优先的匈牙利算法，本文使用的是递归的方式以便于理解，然而迭代的方式会更好，各位可以自行实现。

1、二分图、最大匹配

什么是二分图：二分图又称作二部图，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)，并且图中的每条边（i，j）所关联的两个顶点i和j分别属于这两个不同的顶点集(i in A,j in B)，则称图G为一个二分图。

什么是匹配：把上图想象成3位工人和4种工作，连线代表工人愿意从事某项工作，但最终1个工人只能做一种工作，最终的配对结果连线就是一个匹配。匹配可以是空。
什么是最大匹配：在愿意从事的基础上，能够最多配成几对。

现在要用匈牙利算法找出最多能发展几对。
[color=green][size=medium]
匈牙利算法是解决寻找二分图最大匹配的。

更多二分图最大匹配的图解可以参考 http://xuxueliang.blog.51cto.com/5576502/1297344

以下是代码，为了图省事使用了类，实际上并不需要这样

M=[]
class DFS_hungary():

    def __init__(self, nx, ny, edge, cx, cy, visited):
        self.nx, self.ny=nx, ny
        self.edge = edge
        self.cx, self.cy=cx,cy
        self.visited=visited

    def max_match(self):
        res=0
        for i in self.nx:
            if self.cx[i]==-1:
                for key in self.ny:         # 将visited置0表示未访问过
                    self.visited[key]=0
                res+=self.path(i)return res

    def path(self, u):
        for v in self.ny:
            if self.edge[u][v] and (not self.visited[v]):
                self.visited[v]=1
                if self.cy[v]==-1:
                    self.cx[u] = v
                    self.cy[v] = u
                    M.append((u,v))
                    return 1
                else:
                    M.remove((self.cy[v], v))
                    if self.path(self.cy[v]):
                        self.cx[u] = v
                        self.cy[v] = u
                        M.append((u, v))
                        return 1
        return 0

ok，接着测试一下：

if __name__ == '__main__':
    nx, ny = ['A', 'B', 'C', 'D'], ['E', 'F', 'G', 'H']
    edge = {'A':{'E': 1, 'F': 0, 'G': 1, 'H':0}, 'B':{'E': 0, 'F': 1, 'G': 0, 'H':1}, 'C':{'E': 1, 'F': 0, 'G': 0, 'H':1}, 'D':{'E': 0, 'F': 0, 'G': 1, 'H':0}} # 1 表示可以匹配， 0 表示不能匹配
    cx, cy = {'A':-1,'B':-1,'C':-1,'D':-1}, {'E':-1,'F':-1,'G':-1,'H':-1}
    visited = {'E': 0, 'F': 0, 'G': 0,'H':0}

    print DFS_hungary(nx, ny, edge, cx, cy, visited).max_match()

结果为4，是正确的。各位也可以使用其它二分图来测试。

---------------------------------------------------------补充BFS版本匈牙利算法-------------------------------------------------------

　　BFS版本的匈牙利算法性能更好一些，但是比较难理解，下面把BFS版本的算法也贴出来，也是翻译自c++版本，这次使用更好的迭代方式替换了递归方式

def BFS_hungary(g,Nx,Ny,Mx,My,chk,Q,prev):
    res=0
    for i in xrange(Nx):
        if Mx[i]==-1:
            qs=qe=0
            Q[qe]=i
            qe+=1
            prev[i]=-1

            flag=0
            while(qs<qe and not flag):
                u=Q[qs]
                for v in xrange(Ny):
                    if flag:continue
                    if g[u][v] and chk[v]!=i:
                        chk[v]=i
                        Q[qe]=My[v]
                        qe+=1
                        if My[v]>=0:
                            prev[My[v]]=u
                        else:
                            flag=1
                            d,e=u,v
                            while d!=-1:
                                t=Mx[d]
                                Mx[d]=e
                                My[e]=d
                                d=prev[d]
                                e=t
                qs+=1
            if Mx[i]!=-1:
                res+=1
    return res

测试一下:

if __name__ == '__main__':
       g=[[1,0,1,0],[0,1,0,1],[1,0,0,1],[0,0,1,0]]
       Nx=4
       Ny=4
       Mx=[-1,-1,-1,-1]
       My=[-1,-1,-1,-1]
       chk=[-1,-1,-1,-1]
       Q=[0 for i in range(100)]
　　　　prev=[0,0,0,0] 
       print BFS_hungary()

结果为4,正确