例子： poj3041
解法： 摘自http://blog.csdn.net/lyy289065406/article/details/6647040
把方阵看做一个特殊的二分图（以行列分别作为两个顶点集V1、V2，其中| V1|=| V2|）
然后把每行x或者每列y看成一个点，而障碍物(x,y)可以看做连接x和y的边。按照这种思路构图后。问题就转化成为选择最少的一些点(x或y)，使得从这些点与所有的边相邻，其实这就是最小点覆盖问题。
再利用二分图最大匹配的König定理：
最小点覆盖数 = 最大匹配数
（PS：最小点覆盖：假如选了一个点就相当于覆盖了以它为端点的所有边，你需要选择最少的点来覆盖图的所有的边。）
因此本题自然转化为求 二分图的最大匹配 问题
求最大匹配的一种显而易见的算法是：先找出全部匹配，然后保留匹配数最多的。但是这个算法的时间复杂度为边数的指数级函数。
因此，需要寻求一种更加高效的算法——用增广路求最大匹配的方法（匈牙利算法）
增广路的定义(也称增广轨或交错轨)：
若P是图G中一条连通两个未匹配顶点的路径，并且属于M的边和不属于M的边(即已匹配和待匹配的边)在P上交替出现，则称P为相对于M的一条增广路径。
由增广路的定义可以推出下述三个结论：
1、P的路径个数必定为奇数，第一条边和最后一条边都不属于M。
2、将M和P进行取反操作可以得到一个更大的匹配M’
（反操作：把P中的 匹配边 与 非匹配边 互换）
3、M为G的最大匹配当且仅当不存在M的增广路径P
匈牙利算法轮廓：
(1)置M为空
(2)找出一条增广路径P，通过异或操作获得更大的匹配M’代替M
(3)重复(2)操作直到找不出增广路径为止
1 //Memory Time 2 //464K 47MS 3 4 #include<iostream> 5 using namespace std; 6 7 int n,k; //n矩阵规格，k星体数量 8 int V1,V2; //二分图顶点集 9 /*矩阵的行列分别属于二分图的两个顶点集V1、V2，其中行x∈V1，列y∈V2*/ 10 bool grid[501][501]; //存储数据方式：可达矩阵 11 bool vis[501]; //记录V2的点每个点是否已被搜索过 12 int link[501]; //记录 V2中的点y 在 V1中 所匹配的点x的编号 13 int m; //最大匹配数 14 15 /*Hungary Algorithm*/ 16 17 bool dfs(int x) 18 { 19 for(int y=1;y<=V2;y++) 20 if(grid[x][y] && !vis[y]) //x到y相邻(有边) 且 节点y未被搜索 21 { 22 vis[y]=true; //标记节点y已被搜索 23 if(link[y]==0 || dfs(link[y])) //link[y]==0 : 如果y不属于前一个匹配M 24 { //find(link[y] : 如果被y匹配到的节点可以寻找到增广路 25 link[y]=x; //那么可以更新匹配M'(用M替代M') 26 return true; //返回匹配成功的标志 27 } 28 } 29 return false; //继续查找V1下一个x的邻接节点 30 } 31 32 void search(void) 33 { 34 for(int x=1;x<=V1;x++) 35 { 36 memset(vis,false,sizeof(vis)); //清空上次搜索时的标记 37 if(dfs(x)) //从V1中的节点x开始寻找增广路 38 m++; 39 } 40 return; 41 } 42 43 int main(void) 44 { 45 cin>>n>>k; 46 V1=V2=n; 47 48 int x,y; //坐标(临时变量) 49 for(int i=1;i<=k;i++) 50 { 51 cin>>x>>y; 52 grid[x][y]=true; //相邻节点标记 53 } 54 55 /*增广轨搜索*/ 56 57 search(); 58 59 /*Output*/ 60 61 cout<<m<<endl; 62 63 return 0; 64 }