【二分图算法】从原理到实战：染色法判定与匈牙利算法求最大匹配

1. 二分图基础概念与核心价值

二分图是图论中一个非常重要的概念，它的定义很简单：一个图的顶点集可以被划分为两个互不相交的子集，使得每条边的两个端点分别属于这两个不同的子集。换句话说，图中不存在连接同一子集内顶点的边。

我第一次接触二分图是在解决一个课程安排问题时。假设我们有一组老师和一组课程，每位老师只能教授特定的几门课程，如何安排才能使最多的课程被教授？这个问题就可以完美地用二分图建模，其中老师是一个顶点集，课程是另一个顶点集，边表示老师能够教授的课程。

二分图在实际应用中非常广泛，比如：

• 社交网络中的用户和兴趣匹配
• 电商平台中的用户和商品推荐
• 云计算中的任务和服务器资源分配
• 生物信息学中的蛋白质相互作用分析

判断一个图是否是二分图的关键在于它是否可以被二着色（即用两种颜色给顶点着色，使得相邻顶点颜色不同）。这个性质引出了我们接下来要介绍的染色法。

2. 染色法判断二分图

2.1 染色法的基本原理

染色法的核心思想非常简单：尝试用两种颜色（通常称为0和1）给图中的顶点着色，要求相邻顶点颜色不同。如果能成功完成整个图的着色，那么这个图就是二分图；如果在着色过程中出现矛盾（即某个顶点无法满足相邻顶点颜色不同的要求），则不是二分图。

这里有个关键点：二分图一定不包含奇数长度的环。这个性质非常重要，因为：

1. 如果一个图包含奇数环，那么在环上交替着色时，最后会回到起点发现颜色矛盾
2. 没有奇数环的图一定是二分图（虽然这个证明需要一些图论知识，但记住这个结论对实际应用很有帮助）

2.2 染色法的实现细节

在实际编码实现时，我们通常使用DFS或BFS来遍历图并进行着色。下面是一个基于DFS的实现模板：

python复制def is_bipartite(graph):
    n = len(graph)
    color = [-1] * n  # -1表示未着色，0和1表示两种颜色
    
    def dfs(u, c):
        color[u] = c
        for v in graph[u]:
            if color[v] == -1:
                if not dfs(v, 1 - c):
                    return False
            elif color[v] == c:
                return False
        return True
    
    for i in range(n):
        if color[i] == -1:
            if not dfs(i, 0):
                return False
    return True

这个实现有几个关键点需要注意：

1. 使用递归DFS进行深度优先遍历
2. 着色时交替使用0和1两种颜色
3. 遇到已着色的顶点时检查是否冲突
4. 需要处理不连通图的情况（所以外层有for循环）

时间复杂度是O(V+E)，其中V是顶点数，E是边数，因为每个顶点和边都只被访问一次。

2.3 染色法的实际应用案例

让我们看一个LeetCode上的实际问题：785. 判断二分图。题目给定一个无向图，要求判断它是否是二分图。

python复制class Solution:
    def isBipartite(self, graph: List[List[int]]) -> bool:
        n = len(graph)
        color = [-1] * n
        
        for i in range(n):
            if color[i] == -1:
                queue = [i]
                color[i] = 0
                while queue: