[论文解读] A generalization of Hopcroft-Karp algorithm for semi-matchings and covers in bipartite graphs

Gabriel Semani|arXiv (Cornell University)|Jan 1, 2012

Optimization and Search Problems参考文献 14被引用 5

一句话总结

本文将 Hopcroft-Karp 算法推广至计算二分图中的最大 (f;g)-半匹配，其中 U 和 V 中的顶点分别具有容量约束 f(u) 和 g(v)。该算法的时间复杂度为 O(m min(√∑f(u), √∑g(v)))，通过约简可直接得到 O(√(nm) log n) 的最优半匹配算法。

ABSTRACT

An (f;g)-semi-matching in a bipartite graph G = (U(V;E) is a set of edges M E such that each vertex u2 U is incident with at most f(u) edges of M, and each vertex v2 V is incident with at most g(v) edges of M. In this paper we give an algorithm that for a graph with n vertices and m edges, n m, constructs a maximum (f;g)- semi-matching in running time O(m min( q P u2U f(u); q P v2V g(v))). Using the reduction of (5) our result on maximum (f;g)-semi-matching problem directly implies an algorithm for the optimal semi-matching problem with running time O( p nm logn).

研究动机与目标

• 将 Hopcroft-Karp 框架扩展至处理二分图中的顶点容量约束半匹配问题。
• 解决每个顶点 u ∈ U 和 v ∈ V 均具有容量约束 f(u) 和 g(v) 的 (f;g)-半匹配问题。
• 设计一种高效算法，在接近图大小线性时间内计算最大 (f;g)-半匹配。
• 通过从广义的 (f;g)-半匹配模型约简，推导出最优半匹配问题的实用算法。

提出的方法

• 将 Hopcroft-Karp 中的交替路径技术适配以处理 U 和 V 中顶点的容量约束 f(u) 和 g(v)。
• 使用分层图构造方法，识别在二分图两侧均满足容量限制的增广路径。
• 应用缩放技术以平衡路径长度与容量利用率之间的权衡，确保效率。
• 在每个阶段内采用贪心匹配策略，最大化边的利用率而不超过顶点容量。
• 通过设置所有顶点的 f(u) = 1 和 g(v) = 1，将最优半匹配问题约简为 (f;g)-半匹配问题。
• 利用容量总和作为关键参数分析算法的时间复杂度，通过两个总容量之和的最小值来限制阶段数。

实验结果

研究问题

• RQ1 Hopcroft-Karp 算法能否推广至处理二分图中的顶点容量约束半匹配？
• RQ2 在容量约束下，计算最大 (f;g)-半匹配的最优时间复杂度是多少？
• RQ3 如何将 (f;g)-半匹配问题约简，以高效求解最优半匹配问题？
• RQ4 交替路径与分层图在容量约束下对保持效率起到什么作用？
• RQ5 推广后的算法是否保持了原始 Hopcroft-Karp 方法的近似最优性能？

主要发现

• 所提出的算法在 O(m min(√∑f(u), √∑g(v))) 时间内计算出最大 (f;g)-半匹配，其中 m 为边数。
• 该算法的时间复杂度受二分图两侧容量总和的平方根限制。
• 通过将所有顶点的 f(u) = 1 和 g(v) = 1，该算法在 O(√(nm) log n) 时间内求解最优半匹配问题。
• 该方法通过在交替路径构造中引入容量约束，推广了 Hopcroft-Karp 方法。
• 从最优半匹配到 (f;g)-半匹配的约简过程保持了最优性，同时实现了高效计算。
• 该算法在广义容量约束下保持了 Hopcroft-Karp 的关键效率特性，如阶段数为对数级别。