匈牙利算法(简单易懂)

匈牙利算法解析

matrix67(点击打开链接):

说穿了,就是你从二分图中找出一条路径来,让路径的起点和终点都是还没有匹配过的点,并且路径经过的连线是一条没被匹配、一条已经匹配过,再下一条又没匹配这样交替地出现。找到这样的路径后,显然路径里没被匹配的连线比已经匹配了的连线多一条,于是修改匹配图,把路径里所有匹配过的连线去掉匹配关系,把没有匹配的连线变成匹配的,这样匹配数就比原来多1个。不断执行上述操作,直到找不到这样的路径为止。


趣写算法系列之--匈牙利算法点击打开链接):

【书本上的算法往往讲得非常复杂,我和我的朋友计划用一些简单通俗的例子来描述算法的流程】


匈牙利算法是由匈牙利数学家Edmonds于1965年提出,因而得名。匈牙利算法是基于Hall定理中充分性证明的思想,它是部图匹配最常见的算法,该算法的核心就是寻找增广路径,它是一种用增广路径求二分图最大匹配的算法。

-------等等,看得头大?那么请看下面的版本:

通过数代人的努力,你终于赶上了剩男剩女的大潮,假设你是一位光荣的新世纪媒人,在你的手上有N个剩男,M个剩女,每个人都可能对多名异性有好感(惊讶-_-||暂时不考虑特殊的性取向),如果一对男女互有好感,那么你就可以把这一对撮合在一起,现在让我们无视掉所有的单相思(好忧伤的感觉快哭了),你拥有的大概就是下面这样一张关系图,每一条连线都表示互有好感。


本着救人一命,胜造七级浮屠的原则,你想要尽可能地撮合更多的情侣,匈牙利算法的工作模式会教你这样做:

===============================================================================

 先试着给1号男生找妹子,发现第一个和他相连的1号女生还名花无主,got it,连上一条蓝线


===============================================================================

接着给2号男生找妹子,发现第一个和他相连的2号女生名花无主,got it


===============================================================================

接下来是3号男生,很遗憾1号女生已经有主了,怎么办呢?

我们试着给之前1号女生匹配的男生(也就是1号男生)另外分配一个妹子。

(黄色表示这条边被临时拆掉)

与1号男生相连的第二个女生是2号女生,但是2号女生也有主了,怎么办呢?我们再试着给2号女生的原配(发火发火)重新找个妹子(注意这个步骤和上面是一样的,这是一个递归的过程)


此时发现2号男生还能找到3号女生,那么之前的问题迎刃而解了,回溯回去

2号男生可以找3号妹子~~~                  1号男生可以找2号妹子了~~~                3号男生可以找1号妹子

所以第三步最后的结果就是:


===============================================================================

 接下来是4号男生,很遗憾,按照第三步的节奏我们没法给4号男生出来一个妹子,我们实在是无能为力了……香吉士同学走好。

===============================================================================

这就是匈牙利算法的流程,其中找妹子是个递归的过程,最最关键的字就是“ ”字

其原则大概是:有机会上,没机会创造机会也要上

【code】

[cpp]  view plain  copy
  1. bool find(int x){  
  2.     int i,j;  
  3.     for (j=1;j<=m;j++){    //扫描每个妹子  
  4.         if (line[x][j]==true && used[j]==false)        
  5.         //如果有暧昧并且还没有标记过(这里标记的意思是这次查找曾试图改变过该妹子的归属问题,但是没有成功,所以就不用瞎费工夫了)  
  6.         {  
  7.             used[j]=1;  
  8.             if (girl[j]==0 || find(girl[j])) {   
  9.                 //名花无主或者能腾出个位置来,这里使用递归  
  10.                 girl[j]=x;  
  11.                 return true;  
  12.             }  
  13.         }  
  14.     }  
  15.     return false;  
  16. }  

在主程序我们这样做:每一步相当于我们上面描述的一二三四中的一步

[cpp]  view plain  copy
  1. for (i=1;i<=n;i++)  
  2. {  
  3.     memset(used,0,sizeof(used));    //这个在每一步中清空  
  4.     if find(i) all+=1;  
  5. }  



暂存在这

### 数学建模中的图论算法及其实现 #### 图论算法概述 图论是一种研究离散结构的重要工具,在数学建模中被广泛应用于解决实际问题。它通过点和边来抽象表示对象以及它们之间的关系[^3]。 #### 常见的图论算法分类及应用 在数学建模领域,常见的图论算法可以分为以下几类: 1. **最短路径算法** - Dijkstra算法适用于带权有向图,能够找到单源到其他所有顶点的最短距离[^1]。 - Floyd-Warshall算法则适合于求解任意两顶点间的最短路径长度,尤其当图规模较小时表现优异。 2. **最小生成树(MST)** - Prim算法用于稠密图效果较好,每次选取与当前集合相连权重最小的边加入生成树。 - Kruskal算法更适合稀疏图处理,按照边权从小到大依次尝试添加至生成树而不形成环路。 3. **网络流问题** - 最大流问题是典型代表之一,其中Ford-Fulkerson方法提供了一种增广路径框架下的解决方案,并进一步演化出了效率更高的Edmonds-Karp算法。 4. **匹配问题** - 对于二分图而言,匈牙利算法能有效计算其最大基数匹配;而Kuhn-Munkres(即Hungarian Algorithm扩展版)可用于加权情况下的最优分配问题求解。 #### 工具选择建议 对于上述各类图论算法的具体实现,可以选择不同的编程环境和技术栈完成开发工作。如果倾向于数值运算强大但绘图功能相对简单的平台,则MATLAB是一个不错的选择[^2]。然而需要注意的是,尽管MATLAB擅长科学计算方面的工作负载,但在展示复杂图形数据可视化成果时可能不如专门设计用来呈现美观图表的应用程序那么直观易懂。 以下是基于Python语言的一个简单例子演示如何用NetworkX库构建并操作基本无向图实例: ```python import networkx as nx import matplotlib.pyplot as plt G = nx.Graph() # 创建一个新的空图 G edges = [(0, 1), (1, 2), (2, 3)] # 定义一些边 weights = {edge: i+1 for i, edge in enumerate(edges)} # 给每条边赋予权重值 for e in edges: G.add_edge(*e) nx.set_edge_attributes(G, values=weights, name='weight') # 设置属性 'weight' pos = nx.spring_layout(G) # 计算布局位置 labels = nx.get_edge_attributes(G,'weight') nx.draw_networkx_nodes(G,pos,node_size=700) nx.draw_networkx_edges(G,pos,width=6,alpha=0.5,edge_color="b") nx.draw_networkx_labels(G,pos,font_size=20,font_family="sans-serif") nx.draw_networkx_edge_labels(G,pos,edge_labels=labels) plt.axis('off') plt.show() ``` 此脚本展示了创建一个具有三个节点的小型无向图的过程,并为其指定特定权重之后绘制出来供观察分析之用。
评论 5
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值