趣味-配偶-匈牙利算法

 首先百度百科,了解一下匈牙利算法思想 :
         根据一个匹配是最大匹配当且仅当没有增广路,求最大匹配就是找增广轨,直到找不到增广轨,就找到了最大匹配。遍历每个点,查找增广路,若找到增广路,则修改匹配集和匹配数,否则,终止算法,返回最大匹配数。

匈牙利算法分析:

时间复杂度--邻接矩阵:最坏为 O(n^3) ;邻接表: O(n*m)

 

空间复杂度--邻接矩阵:O(n^2)             ;邻接表: O(n+m)

接着,我们换种方式理解它.....

用例

连线表示双方互有有好感,现在要尽可能的促成双方配对,使配对数尽量大。

数据:这里为了方便测试算法,默认设置为上图所示的数据,n=m=4。

输出:

思路:

(1)首先给男一号找第一个妹子,

(2)接着给男二号找第二个妹子

(3)接下来是男三号,很遗憾1号女生已经有主了。

我们试着给之前的男一号重新找个妹子。(黄色标记暂时被拆掉了)

(4)现在和前一个一样,已经进入递归了。

继续找,2号女生也有主了,那么我们给男二号也重新找个妹子。(黄色标记暂时被拆掉了)

(5)男二号重新找到三号女生了

(6)男一号重新找到二号女生了

(7)最终:给男三号腾出位置来了,与1号女生成功配对。

完整代码:

#include<iostream>
#include<string.h>
using namespace std;

int m=0,n=0,all=0;
int line[100][100];//标记i与j之间互有好感
bool used[100];    //假定已经被'抢占'成功 
int girl[100];     //标记女孩与谁配对成功了的 
bool find(int x){
	for(int j=1;j<=m;j++){   //扫描妹子 
		if(line[x][j]==1 && used[j]==false){  //互有好感 且 未被抢占  
			used[j]=1;
			if(girl[j]==0 || find(girl[j])){  //如果女孩未配对 或者 递归[为之前的帅哥重新寻找下家] 
				girl[j]=x;
				return true;
			}
		} 
	}
	return false;
}
void init(){
	n=4,m=4; 
	memset(line,0,sizeof(line));
	memset(used,0,sizeof(used));
	memset(girl,0,sizeof(girl));
	line[1][1]=1;line[1][2]=1;
	line[2][2]=1;line[2][3]=1;
	line[3][1]=1;line[3][2]=1;
	line[4][3]=1;
}
int main(){
	init(); 
	for(int i=1;i<=n;i++){
		memset(used,0,sizeof(used));  //注意每次都要清空used[] 
		if(find(i)==1) all++;
	}
	for(int i=1;i<=m;i++){
		if(girl[i]!=0){
			cout<<"妹子"<<i<<"成功与帅哥"<<girl[i]<<"号配对。"<<endl; 
		}else {
			cout<<"妹子"<<i<<"未与任何帅哥配对!"<<endl; 
		}
	}
	cout<<"配对成功数量"<<all<<endl;
} 

-感谢李中山同学友情出演...

 

### G-S算法概述 Gale-Shapley算法(简称G-S算法),是一种用于解决稳定匹配问题的经典算法。该算法由David Gale和Lloyd Shapley于1962年提出,最初是为了研究婚姻市场中的配对稳定性而设计的[^4]。 ### 算法原理 在一个典型的G-S算法应用场景中,存在两组实体A和B,每组内有n个成员,每个成员都按照偏好顺序排列另一组的所有成员。通过一系列迭代过程来达成一种稳定的匹配状态,在这种状态下不存在两个不同组别的个体更倾向于彼此而非当前伴侣的情况发生。 具体来说: - 所有的求婚者从一方开始向其最偏好的接收方发起请求; - 接收方如果尚未接受任何提议,则暂时同意;如果有更好的新提议到来且优于现有临时伙伴,则拒绝旧提议转而选择新的; - 被拒后的求婚者继续向下一位心仪对象发出邀请直到所有人都找到了满意的配偶为止。 此过程中形成的最终配对即为所谓的“稳定婚配”。 ### Python实现示例 下面给出一段简单的Python代码实现了上述描述的过程: ```python def gale_shapley(men_prefs, women_prefs): n = len(men_prefs) free_men = list(range(n)) engaged_to = [None] * n proposals_count = {man: 0 for man in range(n)} while free_men: current_man = free_men.pop(0) woman_index = proposals_count[current_man] preferred_woman = men_prefs[current_man][woman_index] currently_engaged_with = engaged_to.index(preferred_woman) \ if preferred_woman in engaged_to else None if not currently_engaged_with or \ (women_prefs[preferred_woman].index(currently_engaged_with) > women_prefs[preferred_woman].index(current_man)): engaged_to[current_man] = preferred_woman if currently_engaged_with is not None: engaged_to[currently_engaged_with] = None free_men.append(currently_engaged_with) proposals_count[current_man] += 1 return [(i, w) for i, w in enumerate(engaged_to)] men_preferences = [ [0, 1, 2], # Man A's preferences [1, 0, 2], # Man B's preferences [0, 1, 2] # Man C's preferences ] women_preferences = [ [0, 1, 2], # Woman X's preferences [1, 2, 0], # Woman Y's preferences [2, 1, 0] # Woman Z's preferences ] result = gale_shapley(men_preferences, women_preferences) print(result) ``` 这段程序模拟了一个小型社会里男女之间的择偶行为,并输出了最后得到的一系列稳定关系组合。 ### 应用场景 除了最初的理论背景外,G-S算法及其变种已被广泛应用于多个领域,包括但不限于医院实习医生分配、学校招生计划以及在线广告投放等方面。这些应用共同特点是涉及到双边市场的资源最优配置问题。
评论
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