本文总结了KM算法在处理不完备匹配时的应用，通过补充虚拟点实现完备匹配，并介绍了如何从最大权值匹配转换为最小权值匹配。以HDU2426和2255为例，阐述了当学生与寝室匹配、N*N矩阵表示不满意度时，如何利用KM算法求解最小不满意度。同时提到了相关题目如HDU3488、1853和1533的解题思路。
首先，有如下问题：
1.针对于完全匹配G＝<V1，V2，E>，我们规定用V1去匹配V2的点,那么完备匹配定义为对于V1的所有点都有与之对应的V2的点匹配，那么如果对于V1对应于V2的点的匹配有的关系关系不确定的时候怎么呢？
2.通过KM求得最大权值匹配..如果要求最小权值匹配，那么怎么办呢？
这里给出总结，对自己刚接触KM的记录：
对于1.：
引用：如果图中|V1|！=|V2|，理解的时候可以补充一些虚拟的点，让两边的点数相等（完备匹配就成为完美匹配了）。当然虚拟点的边之都是0。
那么在匹配的过程中，对于虚拟点的边为0，那么求出完备匹配之后的权值就是答案..因为如果是没有的边匹配了...但是我们的虚拟边是0，那么对于匹配的最优权值没有影响
那么还有的题目中V1对于V2的点的关系不确定...就如
最低0.47元/天 解锁文章
扫一扫
209
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
