二分图带权匹配-Kuhn-Munkres算法模板 [二分图带权匹配]

尴尬。。。理解不太好T T


 

 1 #include<cstdio>
 2 #include<cstring>
 3 #include<iostream>
 4 #include<algorithm>
 5 using namespace std;
 6 #define inf 0x3f3f3f3f
 7 
 8 const int maxn=1005;
 9 
10 int n;
11 //标杆序号 
12 int lx[maxn],ly[maxn];
13 //是否被搜索过 
14 bool sx[maxn],sy[maxn];
15 int weight[maxn][maxn],mat[maxn];
16 
17 inline int maxx(const int &n1,const int &n2){
18     return n1>n2?n1:n2;
19 }
20 
21 bool dfs(int x){
22     sx[x]=1;
23     for(int i=0;i<n;i++)
24         if(!sy[i]&&lx[x]+ly[i]==weight[x][i]){
25             sy[i]=1;
26             if(mat[i]==-1||dfs(mat[i])){
27                 mat[i]=x;
28                 return 1;
29             }
30         }
31     return 0;
32 }
33 
34 //x==0最小
35 //x==1最大 
36 int KM(int flag){
37     if(!flag)
38         for(int i=0;i<n;i++)
39             for(int j=0;j<n;j++)
40                 weight[i][j]=-weight[i][j];
41     memset(mat,-1,sizeof mat);
42     //初始化标杆 
43     for(int i=0;i<n;i++){
44         lx[i]=-inf;
45         ly[i]=0;
46         for(int i=0;i<n;i++)
47             for(int j=0;j<n;j++)
48                 lx[i]=maxx(lx[i],weight[i][j]);
49     }
50     for(int i=0;i<n;i++)
51         while(1){
52             memset(sx,0,sizeof sx);
53             memset(sy,0,sizeof sy);
54             if(dfs(i))  break;
55             //修改标杆 
56             int mic=inf;
57             for(int j=0;j<n;j++)
58                 if(sx[j])
59                     for(int k=0;k<n;k++)
60                         if(!sy[k]&&lx[j]+ly[k]-weight[j][k]<mic)
61                             mic=lx[j]+ly[k]-weight[j][k];
62             if(mic==0)  return -1;
63             for(int j=0;j<n;j++){
64                 if(sx[j])  lx[j]-=mic;
65                 if(sy[j])  ly[j]+=mic;
66             }
67             for(int j=0;j<n;j++)
68                 printf("%d ",lx[j]);
69             puts("");
70             for(int j=0;j<n;j++)
71                 printf("%d ",ly[j]);
72             puts("\n");
73         }
74     int sum=0;
75     for(int i=0;i<n;i++)
76         if(mat[i]>=0)
77             sum+=weight[mat[i]][i];
78     if(!flag)  sum=-sum;
79     return sum;
80 }
81 
82 int main(){
83     scanf("%d",&n);
84     for(int i=0;i<n;i++)
85         for(int j=0;j<n;j++)
86             scanf("%d",&weight[i][j]);
87     printf("%d\n",KM(1));
88     return 0;
89 }
90 /*
91 5
92 3 4 6 4 9
93 6 4 5 3 8
94 7 5 3 4 2
95 6 3 2 2 5
96 8 4 5 4 7
97 
98 KM(1)=29
99 */

 

转载于:https://www.cnblogs.com/ZYBGMZL/p/7257959.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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