带权的二分图的最优婚配KM算法
带权的二分图的最优匹配KM算法
/********************************************************* 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; else slack[i] -= d;//修改顶标后,不在交错树中的y顶点的slack值都要减去d; } } } int result = 0; for(int i = 0; i < ny; i++) { if(linky[i]>-1) result += w[linky[i]][i]; } return result; } int main() { //freopen("C:\\Users\\Administrator\\Desktop\\kd.txt","r",stdin); while(~scanf("%d%d",&nx,&ny)) { if(!nx||!ny) break; int a,b,c; while(scanf("%d%d%d",&a,&b,&c),a+b+c) { w[a][b]=c; } printf("%d\n",KM()); } return 0; }