匈牙利算法(Kuhn-Munkres)算法

个人感觉匈牙利算法(KM算法)并不好理解，想搞懂需要花一些时间。如果只是想用，那直接使用Matlab版本的链接里的代码即可

 

几个非常有用的连接：

1  https://www.topcoder.com/community/data-science/data-science-tutorials/assignment-problem-and-hungarian-algorithm/#!

2  http://hungarianalgorithm.com/examplehungarianalgorithm.php

3  http://csclab.murraystate.edu/~bob.pilgrim/445/munkres.html

链接1是一种实现方式，链接2，3是从另外一种角度实现的

Matlab 代码实现：  https://cn.mathworks.com/matlabcentral/fileexchange/20328-munkres-assignment-algorithm

此matlab版本是链接2,3的一种实现

Python 代码实现：  https://pypi.python.org/pypi/munkres/1.0.5.4   （此版本本人未使用过）

补充：

4    一篇不错的文档 点这里  ，配上这里的博客看，点这里 

 

 

 

以下内容摘自高随祥的《图论与网络流理论》一书

 

                |N(S)|或者|X|或|Y|表示的是相应集合的元素的个数。

                N(S)表示与S集合中的顶点相邻接的顶点，例如，A-B-C-D中，B的邻接点就是A和C。

       A-B-C-D是一条增广路，红色线表示属于M匹配，黑色线表示不属于，图中，B，C两点是M饱和的，A,D两点是非M饱和的。

 

 

 

 

 

       上面这个算法只是针对饱和X的，意思就是，如果X中的每个顶点都已匹配上，那么算法终止，而不必管Y中的顶点是否都有匹配。

                 圆圈里面一个加号的运算其实可以简单理解为增广路的取反，所谓取反就是把属于M匹配的边变成不属于M的边，把不属于M的边变为属于M的边，在那个A-B-C-D的增广路的图例中就是把A-B和C-D边变成红色而把B-C边变成黑色。这样做一个明显的作用就是匹配的边数增多了一条！

 

 

 

 

       下面是求二部图最大匹配的匈牙利算法，就是不管X还是Y，我们求得是含匹配边最多的匹配

 

 

 

       一般的，我们会这样取顶点标号的值：l(y)全部赋值为0，而l(x)取得是和顶点x相邻接的所有的点之间的权重的最大值。下面有个例子用的就是这个方法。

 

 

      “图G的平凡标号”那个图上X集中的各顶点上的数字5,2,4,1就是顶点标号，Y集中的顶点标号全为0。

 

 

       上面这个修改标号的过程是KM算法区别于匈牙利算法的地方。修改的目的是在目前找到的M匹配的基础上增加可行顶点，从而得到增广路。