[置顶] 小白学习KM算法详细总结--附上模板题hdu2255
KM算法是基于匈牙利算法求最大或最小权值的完备匹配
关于KM不知道看了多久,每次都不能完全理解,今天花了很久的时间做个总结,归纳以及结合别人的总结给出自己的理解,希望自己以后来看能一目了然,也希望对刚学习KM算法的人有帮助,这里结合一个模板题,以及 图形解说,更加明了
对于这里给出 一:基本概念 二:算法原理和语言描述 三:结合图形理解KM算法过程
一.
首先给出一些摘要知识点以及算法的语言描述(如果前面看过前辈们的,只是对于算法过程不了解的可以直接看后面结合图形的算法详细解说,这里归纳个人觉得对于一个小白学习有用的知识点)
首先
1. 完备匹配:如下图,设G=<V1,V2,E>为二部图,|V1|≤|V2|,M为G中一个最大匹配,且|M|=|V1|,则称M为V1到V2的完备匹配。
那么对于V1的点都有与之对应的匹配,就是完备匹配(就是完全把V1的点都匹配完)
2. 可行顶标:对于左边的点设 lx[MAX] 数组, 对于右边的点设 ly[MAX] 数组,Vi,j 表示 vi 到 vj 的权值(这里的原因是为了求解最优完备匹配,可以在下面理解)
3. 相等子图:相等子图为完备匹配中所有的匹配(就是全部的V1的点,和与之匹配的V2中的点),但是对于边就只包含lx[i] + ly[j] = V(i,j)的边
4.最优完备匹配:那么这个就是我们的目的啦,对于上面说的完备匹配之下要求最优,那么结合相等子图来就有若由二分图中所有满足A[i]+B[j]=w[i,j]的边(i,j)构成的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。
5. 交错树:这里是在对V1中的一个顶点进行匹配的时候所标记过得V1、V2的点和与之的连线,形成的一个像树装的图
二:
那么在了解了以上的基本概念之后,就来接触KM算法
1.首先基本的原理: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V1的顶标为lx[ i ],V2顶点的顶标为ly[ j ],顶点V1的 i 与V2的 j 之间的边权为V[i,j]。在算法执行过程中的任一时刻,对于任一条边(i,j),lx[ i ]+ly[j]>=V[i,j]始终成立。
2.基本流程:
(1).初始时为了使lx[ i ]+ly[j]>=V[i,j]恒成立,将V1的点的标号记为与其相连边的最大边权值,V2的点标号全记为0
(2)用匈牙利算法在相等子图寻找完备匹配
(3)若未找到完备匹配则修改可行顶标的值 ,扩充相等子图
(4)重复(2)(3)直到找到相等子图的完备匹配为止
3.这里值得注意的是找完备匹配不难理解,主要是进行可行顶标的修改扩充相等子图,有:
引用: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。
-----------------------------------------------------------------------------------------------------------------------
三:那么这里我们 就结合图形来理解扩充相等子图以及KM的算法过程
(可以结合模板代码看)
这里结合hdu2255:如果对应有案例
3
2 1 1
3 2 1
1 1 1
首先给出以下图:(V1,V2,V[i,j])v[i,j]表示边的权值
那么首先就是进行V1中的1的匹配,得下图 (INF表示无穷大)
用红色的边代表匹配,这里对于V1的1能顺利一次匹配成功,就没有更改vis 的一些值,(小小的偷懒),那么下面就要对V1的2号顶点进行匹配,那么此过程中我们,我们首先考虑V2的1号点,发现它被V1的1号匹配了,那么就先把V1的1号赶走去和V2其他的几个点尝试匹配,并且在这个过程中我们会修改上图如下:
对于这一次匹配的过程中我们发现形成了一个上面说的交错树,那么对于V1的2号匹配失败之后我们就开始了修改顶标并扩充相等子图的操作,(注意此过程我们找出了 lx[i]+ly[j]-V[i,j] 的最小存于slack中,我们扩充的过程中找一次找到最小的即可)
那么首先我们要找不在交叉树中的V2的 j 点中slack[j]最小的 为 d=1
那么修改之后再一次匹配之前如下图:
那么我们发现lx[1]+ly[1]-V[1,1]没有变,lx[2]+ly[1]-V[2,1]也没有变,但是我们可以发现其他的lx[1]与lx[2]与其他的ly的和减小啦,那么V1的2号再次匹配的过程的时候就在考虑V2的1号的时候,发现V2的1号匹配者V1的1号可以去匹配V2的2号,这里就是扩充了一条边,那么这里就匹配成如下图:
那么下面还有一个V1的顶点3,这个看起来可能第一感觉会说,直接匹配V2的3就是的,但是实际上KM的算法过程不是那么简单的,那么我们来一步步的模拟,首先,我们V1的3号去尝试匹配V2的1号,发现lx[3]+ly[1]-V[3,1]=1,那么匹配失败,更新如下图:
那么V1的3号就再考虑V2的2,此时有lx[3]+ly[2]-V[3,2]=0,但是发现V2的2早被V1的1匹配了(link[2]=1),那么根据匈牙利算法,把V1的1赶走去尝试与V2的其他点匹配,那么此时我们先关注V1的1,现在它可以考虑V2的1号,发现lx[1]+ly[1]-V[1,1]=0,但是此时V2的1号被V1的2号匹配啦(link[1]=2),那么同样根据匈牙利算法,把V1的2号赶走,那么此时如下图:(注意红的色部分的值变化)
那么在此图的基础上,我们把关注V1的2号,发现只有V2的3号没有访问过,那么尝试匹配发现lx[2]+ly[3]-V[2,3]=1,匹配失败,那么V1的2号无处可去,回溯到被赶走的V1的1号,它发现赶不走V2的1的匹配者,那么就自己再找V2中别的人匹配,发现V2的2号被访问过啦,那么就找V2的3,此时发现能匹配,那么自己马上占领这里,那么此时就再回溯到V1的3,因为它把占领V2-2号的人赶到V2-1去了,所以自己就占领这里,那么如下图:
那么赶来赶去,总算是匹配完啦.....用一个大牛的话说就是 有机会就上,没机会创造机会也要上
那么上马:
// 375MS 592K
#include<stdio.h>
#include<string.h> #define MAX 302
#define INF 1<<30-1
int N;
int V[MAX][MAX];
int lx[MAX],ly[MAX];
int slack[MAX];
int link[MAX];
bool visx[MAX],visy[MAX]; bool dfs(int x)
{
visx[x] = true;
for(int y = 1 ; y <= N ; y ++)
{
if(visy[y])
continue;
int t = lx[x] + ly[y] - V[x][y];
if(t == 0)
{
visy[y] = true;
if(link[y] == -1 || dfs(link[y]))
{
link[y] = x;return true;
}
}
else if(slack[y] > t)
slack[y] = t;
}
return false;
} int KM()
{
int i,j;
memset(link,-1,sizeof(link));
memset(ly,0,sizeof(ly));
memset(lx,0,sizeof(lx));
for(i = 1 ; i <= N ; i ++)//选择与i相邻权中最大的作为lx[i]
for(j = 1 ; j <= N ; j ++)
if(lx[i] < V[i][j])
lx[i] = V[i][j]; for(i = 1 ; i <= N ; i ++)
{
for(j = 1 ; j <= N ; j ++) slack[j] = INF;
while(1)
{
memset(visx,false,sizeof(visx));
memset(visy,false,sizeof(visy));
if(dfs(i))
break; int d = INF;
for(j = 1 ; j <= N ; j ++)
if (!visy[j] && d > slack[j])//选择未访问过的y中的slar最小
d = slack[j];
for(j = 1 ;j <= N;j ++)//顶标的修改
if(visx[j])
lx[j] -= d;
for(j = 1 ; j <= N ;j ++)
if(visy[j])
ly[j] += d;
else
slack[j] -= d;
}
}
int ans=0;
for(i = 1 ; i <= N ; i ++)
ans += V[link[i]][i];
return ans;
} int main()
{
while(~scanf("%d",&N))
{
memset(V,0,sizeof(V));
for(int i = 1 ; i <= N ; i ++)
for(int j = 1 ; j <= N;j ++)
scanf("%d",&V[i][j]);
printf("%d\n",KM());
}
return 0;
}
哇哇...总算写完啦....觉得有那么些复杂了啊....哎哎....希望能对刚接触KM算法的有帮助,如果可以 的话,看着辛苦的份上 顶一个吧
[置顶] 小白学习KM算法详细总结--附上模板题hdu2255的更多相关文章
- [置顶] 生成学习算法、高斯判别分析、朴素贝叶斯、Laplace平滑——斯坦福ML公开课笔记5
转载请注明:http://blog.csdn.net/xinzhangyanxiang/article/details/9285001 该系列笔记1-5pdf下载请猛击这里. 本篇博客为斯坦福ML公开 ...
- [置顶]
Git学习总结(1)——Git使用详细教程
一:Git是什么? Git是目前世界上最先进的分布式版本控制系统. 二:SVN与Git的最主要的区别? SVN是集中式版本控制系统,版本库是集中放在中央服务器的,而干活的时候,用的都是自己的电脑,所以 ...
- [置顶]
Docker学习总结(7)——云端基于Docker的微服务与持续交付实践
本文根据[2016 全球运维大会•深圳站]现场演讲嘉宾分享内容整理而成 讲师简介 易立 毕业于北京大学,获得学士学位和硕士学位:目前负责阿里云容器技术相关的产品的研发工作. 加入阿里之前,曾在IBM中 ...
- [置顶] Guava学习之ArrayListMultimap
ArrayListMultimap类的继承关系如下图所示: Guava ArrayListMultimap List Multimap 是一个接口,继承自 Multimap 接口.ListMultim ...
- [置顶] iOS学习笔记47——图片异步加载之EGOImageLoading
上次在<iOS学习笔记46——图片异步加载之SDWebImage>中介绍过一个开源的图片异步加载库,今天来介绍另外一个功能类似的EGOImageLoading,看名字知道,之前的一篇学习笔 ...
- [置顶]
Docker学习总结(5)——超实用Docker入门学习教程
Docker是什么 Docker是一种容器技术,它可以将应用和环境等进行打包,形成一个独立的,类似于iOS的APP形式的"应用",这个应用可以直接被分发到任意一个支持Docker的 ...
- [置顶] Android学习系列-Android中解析xml(7)
Android学习系列-Android中解析xml(7) 一,概述 1,一个是DOM,它是生成一个树,有了树以后你搜索.查找都可以做. 2,另一种是基于流的,就是解析器从头到尾解析一遍xml文件. ...
- [置顶] Android学习系列-把文件保存到SD卡上面(6)
Android学习系列-把文件保存到SD卡上面(5) 一般多媒体文件,大文件需要保存到SD卡中.关键点如下: 1,SD卡保存目录:mnt/sdcard,一般采用Environment.getExter ...
- [置顶] Guava学习之Splitter
Splitter:在Guava官方的解释为:Extracts non-overlapping substrings from an input string, typically by recogni ...
随机推荐
- [译]Stairway to Integration Services Level 13 - SSIS 变量回顾
介绍 在前一篇中我们组合了已经学过的事件冒泡 event bubbling, 日志记录 logging, 和父子模型 Parent-Child pattern 建立了自定义的SSIS包日志记录. 本文 ...
- C#变量命名规范
1.1命名 1. 所有命名必须有意义 2. 成员变量声明在类的顶端,并且每个变量一行 3. 局部变量声明在引用之前 1.1.1 常量命名 1. 常量名用全大写:MAX_PARAMETER_C ...
- 利用Mono.Cecil动态修改程序集来破解商业组件(仅用于研究学习)
原文 利用Mono.Cecil动态修改程序集来破解商业组件(仅用于研究学习) Mono.Cecil是一个强大的MSIL的注入工具,利用它可以实现动态创建程序集,也可以实现拦截器横向切入动态方法,甚至还 ...
- 啊华北哦好咕~~(╯﹏╰)b
http://v.qq.com/boke/page/c/h/0/c01173tzeh0.html http://v.qq.com/boke/page/r/7/x/r0117l07r7x.html ht ...
- uva11021 - Tribles(概率)
11021 - Tribles GRAVITATION, n.“The tendency of all bodies to approach one another with a strengthpr ...
- 在优化SQL语句中使用虚拟索引
定义:虚拟索引(virtual index) 是指没有创建对应的物理段的索引. 虚拟索引的目的:是在不损耗主机CPU,IO,磁盘空间去实际创建索引的情况下,来判断一个索引是否能够对SQL优化起到作用. ...
- SqlServer和Oracle中一些常用的sql语句10 特殊应用
--482, ORACLE / SQL SERVER --订购数量超过平均值的书籍 WITH Orders_Book AS ( SELECT Book_Name, SUM(Qty) Book_Qty ...
- 2014 北京邀请赛ABDHJ题解
A. A Matrix 点击打开链接 构造,结论是从第一行開始往下产生一条曲线,使得这条区间最长且从上到下递减, #include <cstdio> #include <cstrin ...
- Centos6.4下tar包安装最新版Mysql5.6
1.下载 mysql:http://www.mysql.com/downloads/ (须要注冊ORACLE账号) 版本号:mysql-advanced-5.6.21-linux-glibc2.5-x ...
- 【Oracle】wmsys.wm_concat函数字段值为空
这个是因为字符集的问题,和空值是没关系的.其实已经取到了数据,可以验证一下返回的不是0,但是由于这个里面有个chr(0)字符,而且可能第一个字符就是chr(0),所以就显示得怪异的空现象.至于为何会出 ...