Blossom算法，开花算法简单理解

最新推荐文章于 2023-02-20 20:35:46 发布
最新推荐文章于 2023-02-20 20:35:46 发布
阅读量2.3k 收藏 10
点赞数 6
文章标签： 图论
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44193342/article/details/124870215
版权

有条件的建议去油管上看，讲的很清楚https://www.youtube.com/watch?v=3roPs1Bvg1Q

引例：如果你是夏令营负责人，你的任务是将一群人分为两组。为了公平起见，每个人在卡片上写下了自己希望匹配的人，根据这些卡片，你要尽可能让希望彼此在一起的人更多。

1 基本概念

开花算法用于图中最大匹配的计算，为了方便理解我们给出几个概念：

1.1 匹配

若G=（V,E）是无向图，边集M属于E,M中任意两边均不相邻，M是G的匹配。下图黄色部分就是一个匹配。

1.2 渗透点

顶点v和M中边关联，则v为渗透点，否则为非渗透点。图中橙色即为非渗透点，也是在寻找最大路径要用到的。

1.3 交错路径

M是G的一个匹配，M的交错路径是匹配路径和

最低0.47元/天 解锁文章
黑脸少年
关注
  • 6
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
EdmondsBlossoms:Edmonds' Blossom 算法的实现
07-07
埃德蒙兹 介绍 这个小项目是埃德蒙兹开花算法的实现。 它通过寻找增广路径和增广已经存在的匹配来在图 G 中找到最大匹配。 目的 它是作为一个大学项目创建的，旨在用于教育目的。 您可以以任何您希望的方式重复使用它，但没有任何形式的保证或支持。 兼容性 该项目是在 Java 8 版本 1.8.05 中在 Eclipse 下编写的。 它使用了一些 Java 8 功能，因此它与早期版本不兼容。 执照 版权所有 (c) 2014 Michal Staruch (Salmelu) 特此授予任何人免费获得本软件副本和相关文档文件（“软件”）的许可，不受限制地处理本软件，包括但不限于使用、复制、修改、合并的权利、发布、分发、再许可和/或出售软件的副本，并允许向其提供软件的人员这样做，但须符合以下条件： 上述版权声明和本许可声明应包含在软件的所有副本或重要部分中。 本软件按“原样”提供，不提供任何形式
Edmonds 开花算法
aoe41606的博客
05-18 239
Edmonds 开花算法 input： 图G，匹配M，未饱和点u idea： 查找从 u 開始的 M-交错路径。对每一个顶点记录父亲节点。发现花朵。则收缩。 维护 S 和 T。S 表示沿着已经饱和的边抵达的顶点构成的集合。收缩过程中的新顶点也属于 S。 T表示当前图中沿着未饱和的边抵达的顶点构成的集合 ，一旦遇到还有一个未饱和的顶点。...
[图论]------ 一般图最大匹配（带花树算法）
Berserker____的博客
03-13 1730
吐槽 这两天的训练赛接二连三地出这种又冷门又难的算法。 不得不硬刚。。。。 本博客默认阅读者对匈牙利算法有一定理解。 带花树算法 带花树算法，英文： Blossom algorithmBlossom \ algorithmBlossom algorithm，或Edmonds Matching AlgorithmEdmonds \ Matching \ AlgorithmEdmonds Matching Algorithm。是 Jack Edmond
一般图最大匹配问题-带花树开花算法
热门推荐
Wo xi Meiz
08-28 2万+
以前用这个算法写过一两个水题，当时纯粹是套用模板，对算法本身是一知半解。然后Watashi的多校题中有个带花树模板题，现成的模板都套出了各种死循环，RE问题，弱爆了。这两天重新看了看论文和博客，重新理解了一遍，顺便把论文的前小半部分关于二分图最大匹配和一般图最大匹配的地方翻译了一下，论文的后半部分的二分图最大权匹配和一般图最大权匹配问题暂时还没看。 论文地址：http://builtinclz.
blossom:通用图形匹配的开花算法的实现和测试
07-06
开花 通用图中匹配的开花算法的实现和测试。 算法（一）《花开算法》——match_original.cpp 算法（二）《带队列的Blossom算法》——match_original_queued.cpp 算法（三）“朴素算法”——match_naive.cpp Erdos-Renyi 随机图是用 gen_graph.cpp 生成的。 这些算法在整个开发过程中都使用 test_match.cpp 进行了测试。 在tutte-tester.cpp中测试了没有完美匹配但偶数个顶点和单个组件的图。 使用 asymp_tester.cpp 收集渐近值（匹配大小、收缩的花朵数、奇数分量数）。
开花：Edmonds的开花算法，用于无向图中的最大权重匹配
01-28
Edmonds开花算法，用于无向图中的最大权重匹配 该库实现了Blossom算法，该算法计算O（节点数** 3）中无向图的最大加权匹配。 它从Joris van Rantwijk编写的python代码移植而来，该代码包含在NetworkX图形库中并进行了修改。 入门 将必要的依赖项添加到您的项目中： [ageneau/blossom " 0.1.4 " ] [aysylu/loom " 1.0.2 " ] 用法 ( ns test.blossom ( :require [blossom.max-weight-matching :as mwm] [blossom.matching :as m] [loom.graph :as lg])) ( def edges [[ 1 2 2 ][ 1 3 -2 ][ 2 3 1 ][ 2 4 -1 ][ 3 4 -6 ]]) ( def g ( -> ( lg/weighted-graph ) ( lg/add-edges* edges))) ; ; Compute a maximum weig
一般图匹配--带花树算法
Free Cornel~~~跳动的犰狳
01-15 372
思路很简单，但是写起来很迷。 #include #include #include #include using namespace std; const int maxn=505,maxm=250005; int link[maxn],pre[maxn],fa[maxn],col[maxn],n; int Begin[maxn],Next[maxm],to[maxm],e; bool vis
运筹系列65：TSP问题的精确求解法概述
kittyzc的博客
02-20 1965
这是可以给出上界的一个方法，可以证明构造出的路线不超过最优路线的1.5倍。步骤为：构造MST（最小生成树）将里面的奇点连接起来构成欧拉回路称为完美匹配。Edmonds给出了多项式时间内构造最小代价完美匹配的方法，其长度不超过最优解的1.5倍。证明方法也很直观，奇点最短路径可以拆分成两条完美匹配，其中总有一条的长度≤最优奇点路径长度/2≤最优完整路径长度/2按欧拉回路顺序逐个扫描点，跳过重复经过的点，即可构造一条完整的路径。
poj 3020 一般图最大匹配 带花树开花算法
whai的专栏
03-30 1002
poj 3020 一般图最大匹配 带花树开花算法 题意： 给出一个h*w的图，每个点都是'o'或'*'，最少要用多少个1*2的矩形才能把图中所有的'*'都覆盖掉。 限制： 1 思路： 最小边覆盖=|V|-最大匹配 一般图最大匹配，带花树开花算法 /*poj 3020 一般图最大匹配 带花树开花算法 题意： 给出一个h*w的图，每个点都是'o'或'*'，最少
操作系统银行家算法学习
最新发布
01-17
操作系统银行家算法学习 在操作系统中，银行家算法是一种资源分配算法，用于避免系统中的死锁和饥饿现象。...通过学习银行家算法，我们可以更好地理解操作系统中的资源分配机制，并掌握避免死锁和饥饿现象的方法。
Blossom V 匹配算法 的Julia实现_julia_代码_下载
06-10
Blossom V 匹配算法 的Julia实现
一般图最大匹配（带花树）模板
caoyang1123的博客
10-19 138
网上原理写的好的很多： 一般图最大匹配——带花树 - Mr_Spade - 博客园 (cnblogs.com) （主席yyds） (33条消息) 一般图最大匹配问题-带花树开花算法_Wo xi Meiz-CSDN博客 这里就贴个板子了...... uoj079 #include <bits/stdc++.h> #define pii pair<int,int> #define fi first #define sc second #define pb push_back
带花树算法
lethalboy
05-25 1003
算法思想： ①找增广路 ②过奇环中任意一点有增广路，则过奇环亦有增广路，所以可以将奇环缩点 算法流程： 以一个当前未匹配上的点为s点，染为白色，bfs染色，只许白点进队。 当两个白色点有边时，说明遇到奇环，缩点。 当遇到一个未染色且未匹配点时，找到增广路，修改匹配后退出。 代码： #include #define N 200020 using namespace std
匈牙利算法总结
进击的小小白
04-06 2834
匈牙利算法 匈牙利算法：讲的很细致。 匈牙利算法-看这篇绝对就够了！:很生动形象 1，用途：匈牙利算法主要用于解决一些与二分图匹配有关的问题（最大匹配和最小覆盖点数）。 二分图：是一类特殊的图，它可以被划分为两个部分，每个部分内的点互不相连。下图是典型的二分图。 2，最大匹配 2.1,基本概念： 交错路径和增广路径 红色表示当前的匹配点对（a1-b2匹配，a2-b3匹配）我们发现这个不是最完美的匹配，黑色表示可以匹配到一起的点，但是当前没有匹配。 第二个路径匹配的更多（a1-b1, b2-a2
二分图最大匹配——匈牙利算法
hahahahahaha5的博客
08-07 9671
二分图最大匹配（一）、二分图的介绍1、定义2、充要条件（二）、二分图的匹配1、二分图的最大匹配2、增广路径3、匈牙利算法（1）、复杂度 （一）、二分图的介绍 1、定义 二分图又称作二部图，是图论中的一种特殊模型。 设G=(V,E)是一个无向图，如果顶点V可分割为两个互不相交的子集(A,B)，并且图中的每条边（i，j）所关联的两个顶点 i 和 j 分别属于这两个不同的顶点集(i in A,j in B)，则称图G为一个二分图。 2、充要条件 无向图G为二分图的充分必要条件是，G至少有两个顶点，且其所有回路的
HDU 4687 Boke and Tsukkomi【带花树】
hxh的博客
07-05 247
题目链接 题意：一般图最大匹配后会有冗余的小组，求出这些冗余的小组。 明白题意后思路其实非常简单，先求一遍一般图最大匹配，然后枚举每个小组，如果这个小组冗余的话，去掉这个小组之后剩下的小组应该少于原来的减一。 一般图最大匹配就是传说中的带花树开花算法，看了遍解释没看懂……不过模板很容易套。 带花树开花算法 刚开始套了书上的模板TLE了，无奈之下又抄了一遍kuangbin的模板就过了…
【学习笔记】一般图最大匹配
七代目鸽影
08-09 697
尚有很多内容需补充，目前只是个空壳。
Bloom Filter算法简介
weixin_30914981的博客
03-05 662
原文地址：http://www.programlife.net/bloom-filter.html （楼主认为这个算法基本思想还是哈希，哈希真是利器啊！） Bloom Filter的中文翻译叫做布隆过滤器，是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有...
Easy3D 样条曲线拟合
dayuhaitang1的博客
10-26 393
Easy3D 样条曲线拟合
christofides算法python
09-22
### 回答1： 以下是使用Python实现Christofides算法的示例代码： ```python import networkx as nx from networkx.utils import pairwise def christofides(G): # Step 1: Find minimum spanning tree of G T = nx.minimum_spanning_tree(G) # Step 2: Find odd-degree vertices in T odd_deg_vertices = [v for v in T.nodes if T.degree(v) % 2 == 1] # Step 3: Find minimum weight matching on the subgraph induced by the odd-degree vertices odd_deg_subgraph = G.subgraph(odd_deg_vertices) matching = nx.algorithms.matching.max_weight_matching(odd_deg_subgraph) # Step 4: Combine minimum spanning tree and minimum weight matching to form a tour tour_nodes = list(T.nodes) for u, v in matching: tour_nodes += nx.shortest_path(G, u, v)[1:-1][::-1] tour = [tour_nodes[0]] for u, v in pairwise(tour_nodes): tour += nx.shortest_path(G, u, v)[1:] return tour ``` 说明： 1. 该算法使用NetworkX库实现。 2. `nx.minimum_spanning_tree(G)` 返回G的最小生成树。 3. `T.degree(v)` 返回节点v的度数。 4. `nx.algorithms.matching.max_weight_matching(G)` 返回G的最大权匹配。 5. `G.subgraph(nodes)` 返回由给定节点集合构成的子图。 6. `nx.shortest_path(G, u, v)` 返回从节点u到节点v的最短路径。 7. `pairwise(iterable)` 返回一个迭代器，每次返回iterable中相邻的两个元素。例如，pairwise([1,2,3,4])返回[(1,2),(2,3),(3,4)]。 8. 该算法返回一个旅行商问题的近似解，即一个经过所有节点的回路，使得总权重尽可能小。 ### 回答2： Christofides算法是一种解决旅行商问题（Traveling Salesman Problem，TSP）的近似算法。 该算法主要包括以下几个步骤： 1. 使用Prim算法计算TSP问题的最小生成树（Minimum Spanning Tree，MST）。 2. 在MST的基础上，找到所有奇度节点。如果不存在奇度节点，则直接返回MST作为解决方案。 3. 构建一个新的完全图，其中只包括上一步中找到的奇度节点。 4. 使用最短路径算法（例如Dijkstra算法）计算新图中所有节点间的最短路径。 5. 构建一个最小权重的完全匹配图，其中每个节点只能匹配一个其他节点。 6. 将MST和完全匹配图的边合并，得到一个新的图。 7. 使用欧拉回路算法（例如Fleury算法）得到新图的欧拉回路，即旅行商的路径。 8. 对欧拉回路进行路径压缩，即去除重复经过的节点，得到最终的近似解。 在Python中，可以使用networkx库来实现Christofides算法。首先，需要导入networkx库，然后使用该库提供的函数来实现上述步骤。具体代码如下所示： ```python import networkx as nx def christofides_tsp(graph): # Step 1: 计算最小生成树 mst = nx.minimum_spanning_tree(graph) # Step 2: 找到所有奇度节点 odd_nodes = [node for node, degree in mst.degree() if degree % 2 == 1] # Step 3: 构建新的完全图 complete_graph = graph.subgraph(odd_nodes) # Step 4: 计算最短路径 shortest_paths = dict(nx.all_pairs_dijkstra_path(complete_graph)) # Step 5: 构建完全匹配图 matching_graph = nx.Graph() for node in odd_nodes: if not matching_graph.has_node(node): matching_graph.add_node(node) for u, paths in shortest_paths.items(): for v, path in paths.items(): if u != v and not matching_graph.has_edge(u, v): matching_graph.add_edge(u, v, weight=len(path)-1) # Step 6: 合并图的边 merged_graph = nx.compose(mst, matching_graph) # Step 7: 计算欧拉回路 euler_circuit = list(nx.eulerian_circuit(merged_graph)) # Step 8: 路径压缩 tsp_path = [euler_circuit[0][0]] for edge in euler_circuit: if edge[0] not in tsp_path: tsp_path.append(edge[0]) return tsp_path ``` 上述代码中，graph表示TSP问题的图，可以使用networkx库或自定义的图数据结构来表示。函数christofides_tsp返回TSP问题的近似解，即旅行商的路径。 需要注意的是，Christofides算法是一种近似算法，不能保证得到最优解。然而，该算法在实践中表现良好，能够在合理的时间内求解很大规模的TSP问题。 ### 回答3： Christofides算法是一种解决带有度量约束的旅行商问题（TSP）的启发式算法。它于1976年由N. Christofides提出。 该算法解决的问题是：给定一系列待访问城市和其之间的距离，如何找到一条回路，使得遍历所有城市一次，且总路径最短。 Christofides算法主要步骤如下： 1. 计算城市之间的最短路径矩阵。可以使用Dijkstra或Floyd-Warshall等算法来计算。 2. 在最短路径矩阵的基础上构建最小生成树（Minimum Spanning Tree，MST），可以使用Prim或Kruskal等算法进行构建。 3. 找出最小生成树中的奇数度顶点，形成一个子图。 4. 计算子图中奇数度顶点之间的最小匹配（Minimum Weight Perfect Matching，MWPM），可以使用Blossom等算法来计算。 5. 将最小生成树和最小匹配合并，形成一个欧拉回路。 6. 在欧拉回路中删除重复访问的城市，得到TSP的近似解。 以下是使用Python实现Christofides算法的一个简单例子： ```python import networkx as nx from networkx.algorithms.approximation import christofides # 构建城市之间的距离矩阵 distances = [ [0, 2, 9, 10], [2, 0, 6, 4], [9, 6, 0, 8], [10, 4, 8, 0] ] # 创建一个无向图 G = nx.Graph() # 添加城市节点和边 for i in range(len(distances)): G.add_node(i) for i in range(len(distances)): for j in range(i + 1, len(distances)): G.add_edge(i, j, weight=distances[i][j]) # 使用Christofides算法求解TSP T = christofides(G) # 输出TSP的近似解 print("TSP近似解:", T) ``` 通过运行上述代码，我们可以得到TSP的近似解。请注意，由于Christofides算法是一种启发式算法，所以它在某些情况下可能无法得到最优解，但通常能够得到较好的近似解。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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