二分图的最佳匹配(KM 算法)



KM算法求最小权二分匹配,模板题,构图很简单,直接把人当作左边的点,房子当作右边的点,
两者之间的曼哈顿距离当作权值即可。第一次搞带权二分匹配的题,就是用KM算法求最小权的时候要加个处,由于KM求的是最大权,
所以在套模板之前把权值都取下相反值最后再把KM算法求出来的最大权值取反即可。


Kuhn-Munkras算法流程:
  (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(2)(3)直到找到相等子图的完备匹配为止


引用:
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。 


#include
#include
#include    // 使用其中的 min 函数
using namespace std;


const int MAX = 1024;


int n;                // X 的大小
int weight [MAX] [MAX];        // X 到 Y 的映射(权重)
int lx [MAX], ly [MAX];        // 标号
bool sx [MAX], sy [MAX];    // 是否被搜索过
int match [MAX];        // Y(i) 与 X(match [i]) 匹配


// 初始化权重
void init (int size);
// 从 X(u) 寻找增广道路,找到则返回 true
bool path (int u);
// 参数 maxsum 为 true ,返回最大权匹配,否则最小权匹配
int bestmatch (bool maxsum = true);


void init (int size)
{
    // 根据实际情况,添加代码以初始化
    n = size;
    for (int i = 0; i < n; i ++)
        for (int j = 0; j < n; j ++)
            scanf ("%d", &weight [i] [j]);
}




bool path (int u)
{
    sx [u] = true;
    for (int v = 0; v < n; v ++)
        if (!sy [v] && lx[u] + ly [v] == weight [u] [v])
            {
            sy [v] = true;
            if (match [v] == -1 || path (match [v]))
                {
                match [v] = u;
                return true;
                }
            }
    return false;
}


int bestmatch (bool maxsum)
{
    int i, j;
    if (!maxsum)
        {
        for (i = 0; i < n; i ++)
            for (j = 0; j < n; j ++)
                weight [i] [j] = -weight [i] [j];
        }


    // 初始化标号
    for (i = 0; i < n; i ++)
        {
        lx [i] = -0x1FFFFFFF;
        ly [i] = 0;
        for (j = 0; j < n; j ++)
            if (lx [i] < weight [i] [j])
                lx [i] = weight [i] [j];
        }


    memset (match, -1, sizeof (match));
    for (int u = 0; u < n; u ++)
        while (1)
            {
            memset (sx, 0, sizeof (sx));
            memset (sy, 0, sizeof (sy));
            if (path (u))
                break;


            // 修改标号
            int dx = 0x7FFFFFFF;
            for (i = 0; i < n; i ++)
                if (sx [i])
                    for (j = 0; j < n; j ++)
                        if(!sy [j])
                            dx = min (lx[i] + ly [j] - weight [i] [j], dx);
            for (i = 0; i < n; i ++)
                {
                if (sx [i])
                    lx [i] -= dx;
                if (sy [i])
                    ly [i] += dx;
                }
            }


    int sum = 0;
    for (i = 0; i < n; i ++)
        sum += weight [match [i]] [i];


    if (!maxsum)
        {
        sum = -sum;
        for (i = 0; i < n; i ++)
            for (j = 0; j < n; j ++)
                weight [i] [j] = -weight [i] [j];         // 如果需要保持 weight [ ] [ ] 原来的值,这里需要将其还原
        }
    return sum;
}




int main()
{
    int n;
    scanf ("%d", &n);
    init (n);
    int cost = bestmatch (true);


    printf ("%d ", cost);
    for (int i = 0; i < n; i ++)
        {
        printf ("Y %d -> X %d ", i, match [i]);
        }


    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
//执行bestmatch (true) ,结果为 29
*/


/*
5
7 6 4 6 1
4 6 5 7 2
3 5 7 6 8
4 7 8 8 5
2 6 5 6 3
//执行 bestmatch (false) ,结果为 21
*/


这个实现和图论书上描述的有所不同,这个和匈牙利算法方法上是一样的(不断地寻找增广道路。。),而不是像书上在过程中调用匈牙利算法。。



一个实例:

Description

百度办公区里到处摆放着各种各样的零食。百度人力资源部的调研发现,员工如果可以在自己喜欢的美食旁边工作,效率会大大提高。因此,百度决定进行一次员工座位的大调整。 调整的方法如下: 1.首先将办公区按照各种零食的摆放分成N个不同的区域(例如:可乐区,饼干区,牛奶区等等); 2.每个员工对不同的零食区域有不同的喜好程度(喜好程度是1~100的整数, 喜好程度越大表示该员工越希望被调整到相应的零食区域); 3.由于每个零食区域可以容纳的员工数量有限,人力资源部希望找到一个最优的调整方案使得总的喜好程度最大。

Input

第一行包含两个整数N,M(N>=1,M<=300)。分别表示N个区域和M个员工; 第二行是N个整数构成的数列a,其中a[i]表示第i个区域可以容纳的员工数(1<=a[i]<=M,a[1]+a[2]+...+a[N]=M); 紧接着是一个M*N的矩阵P,P(i,j)表示第i个员工对第j个区域的喜好程度.

Output

对于每个测试数据,输出可以达到的最大的喜好程度。

Sample Input

3 3 1 1 1 100 50 25 100 50 25 100 50 25

Sample Output

175

Hint

此数据只存在一种安排方法,三个员工分别安置在三个区域。最终的喜好程度为100+50+25=175

Source

Astar2006 初赛
 
做法就是KM算法
我的建图过程如下: 把食品供应点拆开,不要让他成为一个点,如果一个食品供应点能够供应2个人,那就把它拆开成两个点,由于食品供应点的所有人数之和是等于员工数的,所以刚好构成一个两边点数一样的一个二分图,然后从员工到供应点连边的边权就是喜好度,然后再用KM算法进行最大带权匹配就好了,最后建的图是一个M*M的矩阵,由于M小于300,所以KM算法能够过。
也见到过别人用DP过掉的,不过没有想通。。DP一直很弱。。
话说我已经退役了,这个博客很少用了。。
 
    
  1. #include  
  2. #include  
  3. #include  
  4. #define inf 99999999  
  5. #define maxn 305  
  6.   
  7. using namespace std;  
  8.   
  9. int n,m;  
  10. int a[maxn];  
  11. int map[maxn][maxn];  
  12. int temp[maxn][maxn];  
  13. int link[maxn];  
  14. int lx[maxn],ly[maxn];  
  15. bool x[maxn],y[maxn];  
  16.   
  17.   
  18. bool dfs(int u)  
  19. {  
  20.     int i;  
  21.     x[u]=true;  
  22.     for(i=1;i<=n;i++)  
  23.     {  
  24.         if(lx[u]+ly[i]==map[u][i]&&!y[i])  
  25.         {  
  26.             y[i]=true;  
  27.             if(link[i]==-1||dfs(link[i]))  
  28.             {  
  29.                 link[i]=u;  
  30.                 return true;  
  31.             }  
  32.         }  
  33.     }  
  34.     return false;  
  35. }  
  36.   
  37. int main()  
  38. {  
  39.     int i,j,k,num;  
  40.     while(scanf("%d%d",&m,&n)!=EOF)  
  41.     {  
  42.         for(i=1;i<=m;i++)  
  43.             scanf("%d",&a[i]);  
  44.         for(i=1;i<=n;i++)  
  45.             for(j=1;j<=m;j++)  
  46.                 scanf("%d",&temp[i][j]);  
  47.         for(i=1;i<=n;i++)  
  48.         {  
  49.             num=0;  
  50.             for(j=1;j<=m;j++)  
  51.             {  
  52.                 for(k=1;k<=a[j];k++)  
  53.                 {  
  54.                     num++;  
  55.                     map[i][num]=temp[i][j];  
  56.                 }  
  57.             }  
  58.         }  
  59.         memset(x,0,sizeof(x));  
  60.         memset(y,0,sizeof(y));  
  61.         memset(link,-1,sizeof(link));  
  62.         memset(ly,0,sizeof(ly));  
  63.         for(i=0;i
  64.             lx[i]=inf;  
  65.         for(k=1;k<=n;k++)  
  66.         {  
  67.             while(1)  
  68.             {  
  69.                 memset(x,0,sizeof(x));  
  70.                 memset(y,0,sizeof(y));  
  71.                 if(dfs(k))  
  72.                     break;  
  73.                 int d=inf;  
  74.                 for(i=1;i<=n;i++)  
  75.                     if(x[i])  
  76.                         for(j=1;j<=n;j++)  
  77.                             if(!y[j]&&lx[i]+ly[j]-map[i][j]
  78.                                 d=lx[i]+ly[j]-map[i][j];  
  79.                 for(i=1;i<=n;i++)  
  80.                     if(x[i])  
  81.                         lx[i]=lx[i]-d;  
  82.                 for(i=1;i<=n;i++)  
  83.                     if(y[i])  
  84.                         ly[i]=ly[i]+d;  
  85.             }  
  86.         }  
  87.         int ans1=0,ans2=0;  
  88.         for(i=1;i<=n;i++)  
  89.             ans1=ans1+map[link[i]][i];  
  90.         printf("%d\n",ans1);  
  91.     }  
  92.     return 0;  
  93. }  

你可能感兴趣的:(二分图的最佳匹配(KM 算法))