本文介绍了如何利用Kuhn-Munkras(KM)算法求解带权二分图中的最小权值匹配。KM算法通常用于求最大权值匹配，通过将权值取反或加负数来寻找最小权值匹配。在处理不存在的边时，需要避免溢出，可能需要将不存在的边权值设为极大值。KM算法要求X集合的点数小于等于Y集合的点数，可以通过拓展Y集合实现一一对应。此外，文章还提及了二分图、最大匹配、完备匹配和完美匹配的概念，以及匈牙利算法在求解最大匹配中的应用。
本文参考博客：
http://blog.youkuaiyun.com/zhangpinghao/article/details/12242823（代码参考该博客）
http://philoscience.iteye.com/blog/1754498（个人认为对km算法讲解比较好）
KM算法求的是基于带权二分图中完备匹配下的最大权值匹配。关于km算法的讲解网上资料比较丰富，此处就不详述啦。这里主要整理一些用KM算法求最小权值匹配的一些问题。
-
在求最大权值匹配时，不存在的边的权值设为0。在求最小权值匹配时，可以考虑将对应的权值变为相反数，或者用一个很大的数减去权值，然后再来求最大权值匹配，最后将权值和取反即可。如果使用将对应的权值变为相反数的方法，则不存在的边的权值此时要设为INT_MAX（即，实际中求匹配时使用的是-INT_MAX），如此设置之后还需要特别注意溢出的问题，
if( !sy[j] && ((lx[i] + ly[j] - weight[i][j] )<inc)这一句对于带符号整型数可能会溢出，所以此句可以改成if( !sy[j] && weight[i][j]!=-INT_MAX && ((lx[i] + ly[j] - weight[i][j] )<inc),即不予考虑不存在的边。<
最低0.47元/天 解锁文章
扫一扫
608
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
