KM算法的简单总结 二部图的最大权匹配
2013-05-16 07:26
176 查看
我们都知道有最大匹配,但如果说要加上费用,也就是已知每两个匹配的价值,要求出最大价值的匹配。
这个可以用费用流,但KM算法的效率要远远比费用流好。
KM算法有点贪心的思想,是通过不断的放宽费用的流量来实现的,当发现找不到匹配时,就一点点地放宽。
至于最小权,我没有找到代码。但其实可以把权值取相反数,再求最大权也是一样的。
摘自 百度百科:
KM算法求的是完备匹配下的最大权匹配: 在一个二分图内,左顶点为X,右顶点为Y,现对于每组左右连接XiYj有权wij,求一种匹配使得所有wij的和最大。
该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Yj的顶标为B[ j ],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。
首先解释下什么是完备匹配,所谓的完备匹配就是在二部图中,X点集中的所有点都有对应的匹配或者是
Y点集中所有的点都有对应的匹配,则称该匹配为完备匹配。
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:
1)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。
2)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。
3)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。
4)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}。
这个可以用费用流,但KM算法的效率要远远比费用流好。
KM算法有点贪心的思想,是通过不断的放宽费用的流量来实现的,当发现找不到匹配时,就一点点地放宽。
至于最小权,我没有找到代码。但其实可以把权值取相反数,再求最大权也是一样的。
摘自 百度百科:
KM算法求的是完备匹配下的最大权匹配: 在一个二分图内,左顶点为X,右顶点为Y,现对于每组左右连接XiYj有权wij,求一种匹配使得所有wij的和最大。
该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Yj的顶标为B[ j ],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。
首先解释下什么是完备匹配,所谓的完备匹配就是在二部图中,X点集中的所有点都有对应的匹配或者是
Y点集中所有的点都有对应的匹配,则称该匹配为完备匹配。
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:
1)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。
2)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。
3)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。
4)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}。
bool find(int x) { visx[x]=true; for(int y=0;y<maxn; y++) { if(visy[y])continue; int t=lx[x]+ly[y]-w[x][y]; if(t==0) { visy[y]=true; if(linky[y]==-1||find(linky[y])) { linky[y]=x; return true; } } else if(lack>t)lack=t; } return false; } void KM() { memset(linky,-1,sizeof(linky)); for(int i=0;i<maxn; i++) for(int j=0;j<maxn; j++) if(w[i][j]>lx[i]) lx[i]=w[i][j]; //初始化顶标 for(int x=0;x<maxn; x++) { for(;;) { memset(visx,0,sizeof(visx)); memset(visy,0,sizeof(visy)); lack=INF; if(find(x))break; for(int i=0;i<maxn; i++) { if(visx[i])lx[i]-=lack; if(visy[i])ly[i]+=lack; } } } }
相关文章推荐
- UVA 10080 Gopher II【简单二部图最大匹配】
- hdu2255 奔小康赚大钱(二部图最大权匹配,KM算法)
- hdu 1533 Going Home(KM算法求最大权匹配)
- Hdu2255 奔小康赚大钱(二分图最大权匹配KM算法)
- HDU 2255 KM算法 二分图最大权值匹配
- 用PHP实现简单的反向最大匹配中文分词(代码)
- [转]二分图最大匹配总结
- uoj #80. 二分图最大权匹配 KM算法
- COURSES(裸二部图最大匹配)
- 二分匹配总结(匈牙利算法+最大权+最小权)
- 求最大权二分匹配的KM算法
- hdu 1533 Going Home【KM算法求最大权匹配】
- KM算法模板(二分图的最大权匹配)
- 关于最大匹配,最小点覆盖,最少路径覆盖和最大独立集的总结
- ACM HDU 2444 The Accomodation of Students(判断是否为二部图,然后求最大匹配)
- poj 2724 二部图最大匹配建图(干净的奶酪)
- 一个简单最大正向匹配(Maximum Matching)MM中文分词算法的实现
- POJ 1274 The Perfect Stall 二分匹配||最大流(简单题)
- HDU2255-奔小康赚大钱-二分图最大权值匹配-KM算法
- My Brute (hdu 3315 二分图最大权匹配KM算法)