KM算法(汇总+模板)
KM算法是通过给每个顶点一个标号(叫做顶标)来把求最大权匹配的问题转化为求完备匹配的问题的。设顶点Xi的顶标为A[i],顶点Yi的顶标为B [i],顶点Xi与Yj之间的边权为w[i,j]。在算法执行过程中的任一时刻,对于任一条边(i,j),A[i]+B[j]>=w[i,j]始终 成立。KM算法的正确性基于以下定理:
若由二分图中所有满足A[i]+B[j]=w[i,j]的边(i,j)构成的子图(称做相等子图)有完备匹配,那么这个完备匹配就是二分图的最大权匹配。
这个定理是显然的。因为对于二分图的任意一个匹配,如果它包含于相等子图,那么它的边权和等于所有顶点的顶标和;如果它有的边不包含于相等子图,那么它的边权和小于所有顶点的顶标和。所以相等子图的完备匹配一定是二分图的最大权匹配。
初始时为了使A[i]+B[j]>=w[i,j]恒成立,令A[i]为所有与顶点Xi关联的边的最大权,B[j]=0。如果当前的相等子图没有完备匹配,就按下面的方法修改顶标以使扩大相等子图,直到相等子图具有完备匹配为止。
我们求当前相等子图的完备匹配失败了,是因为对于某个X顶点,我们找不到一条从它出发的交错路。这时我们获得了一棵交错树,它的叶子结点全部是X顶点。现在我们把交错树中X顶点的顶标全都减小某个值d,Y顶点的顶标全都增加同一个值d,那么我们会发现:
两端都在交错树中的边(i,j),A[i]+B[j]的值没有变化。也就是说,它原来属于相等子图,现在仍属于相等子图。
两端都不在交错树中的边(i,j),A[i]和B[j]都没有变化。也就是说,它原来属于(或不属于)相等子图,现在仍属于(或不属于)相等子图。
X端不在交错树中,Y端在交错树中的边(i,j),它的A[i]+B[j]的值有所增大。它原来不属于相等子图,现在仍不属于相等子图。
X端在交错树中,Y端不在交错树中的边(i,j),它的A[i]+B[j]的值有所减小。也就说,它原来不属于相等子图,现在可能进入了相等子图,因而使相等子图得到了扩大。
现在的问题就是求d值了。为了使A[i]+B[j]>=w[i,j]始终成立,且至少有一条边进入相等子图,d应该等于min{A[i]+B[j]-w[i,j]|Xi在交错树中,Yi不在交错树中}。
以上就是KM算法的基本思路。但是朴素的实现方法,时间复杂度为O(n4)——需要找O(n)次增广路,每次增广最多需要修改O(n)次顶 标,每次修改顶标时由于要枚举边来求d值,复杂度为O(n2)。实际上KM算法的复杂度是可以做到O(n3)的。我们给每个Y顶点一个“松弛量”函数 slack,每次开始找增广路时初始化为无穷大。在寻找增广路的过程中,检查边(i,j)时,如果它不在相等子图中,则让slack[j]变成原值与A [i]+B[j]-w[i,j]的较小值。这样,在修改顶标时,取所有不在交错树中的Y顶点的slack值中的最小值作为d值即可。但还要注意一点:修改 顶标后,要把所有的slack值都减去d。
/*问题概述: 有n个人,n个房子,每个人对每个房子出价都不同,你是村长,你如何分配房子才能获得最高收益(HDU2255)输入样例: 对应输出:5 293 4 6 4 96 4 5 3 87 5 3 4 26 3 2 2 58 4 5 4 7
*/
/* http://philoscience.iteye.com/blog/1754498完备匹配:对于一个二分图,最大匹配数为其点数少的那一边的点数顶标:每个点的权值,恒满足lx[i]+ly[j]==val[i][j](val[i][j]表示第i个人对第j个房子的出价)→若由二分图中所有满足lx[i]+ly[j]==val[i][j]的边(i,j)构成的子图有完备匹配,那么这个完备匹配就是二分图的最大权匹配(可能有多个,但总权值大小相同)KM算法流程:①:初始化可行顶标的值,默认lx[i] = val[i][j], ly[j] = 0②:用匈牙利算法尽可能寻找完备匹配,当然满足lx[i]+ly[j]==val[i][j]才匹配③:若未找到完备匹配则修改可行顶标的值,例如在满足lx[i]+ly[j]==val[i][j]条件下降低lx[i],增加对应的ly[j]④:重复②③直到找到相等子图的完备匹配为止
*/
#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;
int n, link[305], lx[305], ly[305], slack[305], visx[305], visy[305], val[305][305];
int Sech(int x); /*lx、ly为顶标,slack为松弛函数,对应Y集合*/
int main(void)
{int i, j, ans, d, k;while(scanf("%d", &n)!=EOF){n;for(i=1;i<=n;i++){for(j=1;j<=n;j++)scanf("%d", &val[i][j]);}memset(link, -1, sizeof(link));memset(ly, 0, sizeof(ly));for(i=1;i<=n;i++){ /* lx初始化为与它关联边中最大的 */lx[i] = 0;for(j=1;j<=n;j++)lx[i] = max(val[i][j], lx[i]);}for(k=1;k<=n;k++){for(i=1;i<=n;i++)slack[i] = 10000000;while(1){memset(visx, 0, sizeof(visx));memset(visy, 0, sizeof(visy));if(Sech(k)) /*若成功找到增广路,则该点匹配完成*/break; /*若失败,则需要改变一些点的顶标,使得图中可行边的数量增加*/d = 10000000;for(i=1;i<=n;i++) /*所有在增广过程中遍历到的X方点的顶标全部减去一个常数d,Y放点的顶标全部加一个d(d尽可能小)*/{if(visy[i]==0)d = min(d, slack[i]);}for(i=1;i<=n;i++){if(visx[i])lx[i] -= d;if(visy[i])ly[i] += d;elseslack[i] -= d; /*修改顶标后,要把所有不在交错树中的Y顶点的slack值都减去d*/}}}ans = 0;for(i=1;i<=n;i++){//if(link[i]!=-1)ans += val[link[i]][i];}printf("%d\n", ans);}return 0;
}int Sech(int x) /*匈牙利算法*/
{int i, temp;visx[x] = 1; /*深搜寻找从x点开始的增广路*/for(i=1;i<=n;i++){if(visy[i])continue;temp = lx[x]+ly[i]-val[x][i];if(temp==0){visy[i] = 1;if(link[i]==-1 || Sech(link[i])){link[i] = x;return 1;}}else /*如果lx[x]+ly[i]>val[x][i]*/slack[i] = min(slack[i], temp);}return 0;
}
/*
5
3 4 6 4 9
6 4 5 3 8
7 5 3 4 2
6 3 2 2 5
8 4 5 4 7
29
*/
KM算法(汇总+模板)相关推荐
- KM算法讲解(含C++代码)
假设有3个女的要嫁给三个男的,各有各的期望值. 如何让期望值之和最大? 此时我们就要用到传说中的km算法了. 这个算法本质上是贪心算法,怎么算呢? 举个例子吧 首先看女1,女1与男1间的边权值+男1期 ...
- hdu 2255 奔小康赚大钱--KM算法模板
题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=2255 题意:有N个人跟N个房子,每个人跟房子都有一定的距离,现在要让这N个人全部回到N个房子里面去,要 ...
- 【HDU - 2255】奔小康赚大钱(KM算法模板,二分图最优匹配)
题干: 传说在遥远的地方有一个非常富裕的村落,有一天,村长决定进行制度改革:重新分配房子. 这可是一件大事,关系到人民的住房问题啊.村里共有n间房间,刚好有n家老百姓,考虑到每家都要有房住(如果有老 ...
- KM算法 详解+模板
先说KM算法求二分图的最佳匹配思想,再详讲KM的实现. [KM算法求二分图的最佳匹配思想] 对于具有二部划分( V1, V2 )的加权完全二分图,其中 V1= { x1, x2, x3, ... , ...
- 2019 ICPC Asia Nanjing Regional J.Spy(KM算法O(n^3)板子题)
整理的算法模板合集: ACM模板 前面好几段又在讲故事- 题目大意: a[i]表示对手的每个队伍战斗力 p[i]表示打败对手后获得的分数 b[i]表示我方第一种人的战斗力 c[i]表示我方第二种人的战 ...
- 【算法笔记】二分图最大权匹配 - KM算法(dfs版O(n4) + bfs版O(n3))
整理的算法模板合集: ACM模板 匈牙利算法又称为 KM 算法,可以在 O(n3)O(n^3)O(n3) 时间内求出二分图的 最大权完美匹配 . 考虑到二分图中两个集合中的点并不总是相同,为了能应用 ...
- 姿态估计算法汇总|基于RGB、RGB-D以及点云数据
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨Tom Hardy@知乎 来源丨https://zhuanlan.zhihu.com/p/305 ...
- 奔小康赚大钱 HDU - 2255( 二分图匹配KM算法详解)
题目 传说在遥远的地方有一个非常富裕的村落,有一天,村长决定进行制度改革:重新分配房子. 这可是一件大事,关系到人民的住房问题啊.村里共有n间房间,刚好有n家老百姓,考虑到每家都要有房住(如果有老百 ...
- 6D姿态估计算法汇总(下)
前言 接着上篇6D姿态估计算法汇总(上),原文请见6D姿态估计算法汇总(下) 10.PoseNet: A Convolutional Network for Real-Time 6-DOF Camer ...
最新文章
- Spring中加载xml配置文件的六种方式
- HDU - 5030 Rabbit's String(后缀数组+二分)
- 深度探索linux系统虚拟化 原理与实现,深度探索Linux系统虚拟化:原理与实现
- 四张图带你了解Tomcat系统架构--让面试官颤抖的Tomcat回答系列
- 面向项目(八)—— #if defined 与 #ifdef
- AD放置过孔按TAB键使过孔大小为设置值0.6/0.3
- kafka面试题简答
- linux系统镜像官方下载地址
- HDU 4289 Control (最大流最小割)
- 【清华大学】深入理解操作系统(陈渝) 第一章
- php如何替换ico图标,wordpress网站怎么设置更换站点favicon ico图标
- 课设-最小生成树问题
- Python——列表的方法
- 爱在深秋-稻城亚丁旅游途中的风花雪月
- 2021年茶艺师(中级)考试报名及茶艺师(中级)考试APP
- 音频提取 4K YouTube to MP3
- 中国剩余定理 (孙子定理) 的证明和代码
- 服务器拒绝了您发送离线文件的请求,处理qq发送离线文件被提示“服务器拒绝了您发送离线文件”的方法...
- Python-井字棋游戏
- 远程控制工具——Centos7上向日葵安装使用(转)