当前位置:编程学习 > C/C++ >>

带权的二分图的最优匹配KM算法

[cpp]  
/********************************************************* 
算法引入: 
给定一个完全二分图G=(X∪Y,X×Y),其中边(x,y)有权w(x,y); 
要找一个从X到Y具有最大权和的匹配M,即为二分图的最优匹配问题; 
KM(Kuhn_Munkras)算法求的是完备匹配下的最大权匹配; 
 
算法思想: 
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; 
初始A[i]为与Xi相连的边的最大边权,B[j]=0; 
 
KM算法的正确性基于以下定理: 
设G(V,E)为二分图,G'(V,E')为该二分图的子图; 
如果对于G'中的任何边<x,y>满足, A(x)+ B(y)==W[x,y]; 
则称G'(V,E')为G(V,E)的等价子图或相等子图(是G的生成子图); 
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; 
 
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(即不是最优匹配); 
所以相等子图的完备匹配一定是二分图的最大权匹配; 
 
相等子图包含原图的所有的点,相等子图一定可以找到完备匹配; 
相等子图的完备匹配只需加一些虚拟点可以扩充为完美匹配(记为M); 
完美匹配是包含了所有点的匹配,那么所有点的顶点的标号值都包括进来了; 
虽然有些点是0,在这个状态下,把相等子图的标号一一对应的标到原图上去; 
原图的任意一个匹配最多只能包含原图的所有顶点; 
即任何匹配的权和不可能超过所有标号的和,所以M的和必然是最优的; 
 
算法改进: 
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为无穷大; 
在寻找增广路的过程中,检查(i,j)时,如果它不在相等子图中; 
则让slack[j]=min(原值,A[i]+B[j]-W[i,j]); 
这样在修改顶标时,取所有的不在交错树中的Y顶点的slack值中的最小值作为d值即可; 
 
算法过程: 
①初始化可行顶标的值; 
②用匈牙利算法寻找完备匹配; 
③若未找到完备匹配则修改可行顶标的值; 
④重复②③直到找到相等子图的完备匹配; 
**********************************************************/  
#include<iostream>  
#include<cstring>  
#include<cstdlib>  
#include<cstdio>  
#include<climits>  
#include<algorithm>  
using namespace std;  
  
const int N = 1000;  
const int INF = 0xffffff;  
int w[N][N];//权值  
int lx[N],ly[N]; //顶标  
int linky[N];//记录与i匹配的顶点  
int visx[N],visy[N];  
int slack[N];//松弛量  
int nx,ny;//二分图两边的顶点数  
  
void init()  
{  
    memset(linky,-1,sizeof(linky));//记录与i匹配的顶点  
    memset(ly,0,sizeof(ly));///初始化顶标y为0  
    for(int i = 0; i < nx; i++)  
        for(int j = 0,lx[i] = -INF; j < ny; j++)  
        {  
            if(w[i][j] > lx[i])  
                lx[i] = w[i][j];///初始化顶标x为与顶点Xi关联的边的最大权  
        }  
  
}  
  
bool find(int x)//匈牙利算法  
{  
    visx[x] = true;  
    for(int y = 0; y < ny; y++)  
    {  
        if(visy[y])  
            continue;  
        int t = lx[x] + ly[y] - w[x][y];//若t==0,则为最大权匹配;  
  
        if(t==0)  
        {  
            visy[y] = true;  
            if(linky[y]==-1 || find(linky[y]))  
            {  
                linky[y] = x;  
                return true;        //找到增广轨  
            }  
        }  
  
        else if(slack[y] > t)  
            slack[y] = t;  
    }  
    return false;                   //没有找到增广轨(说明顶点x没有对应的匹配,与完备匹配(相等子图的完备匹配)不符)  
}  
  
int KM()                //返回最优匹配的值  
{  
    init();  
    for(int x = 0; x < nx; x++)  
    {  
        for(int i = 0; i < ny; i++)  
            slack[i] = INF;//松弛函数初始化为无穷大  
  
        while(1)  
        {  
            memset(visx,0,sizeof(visx));  
            memset(visy,0,sizeof(visy));  
            if(find(x))                     //找到增广轨,退出  
                break;  
            int d = INF;  
            for(int i = 0; i < ny; i++)          //没找到,对l做调整(这会增加相等子图的边),重新找  
            {  
                if(!visy[i] && d > slack[i])  
                    d = slack[i];  
            }  
            for(int i = 0; i < nx; i++)//修改x的顶标  
            {  
                if(visx[i])  
                    lx[i] -= d;  
            }  
            for(int i = 0; i < ny; i++)//修改y的顶标  
            {  
                if(visy[i])  
                    ly[i] += d;  补充:软件开发 , C++ ,
CopyRight © 2022 站长资源库 编程知识问答 zzzyk.com All Rights Reserved
部分文章来自网络,