文章目录
KM算法的正确性基于以下定理:
若由二分图中所有满足A[i]+B[i]=w[i][j]的边C(i,j)构成的子图(即相等子图)有完备匹配,那么这个完备匹配就是二分图的最大权匹配。
KM算法原理
1.基本原理
该算法是通过给每个顶点一个标号(叫做顶标)来把求最大权匹配的问题转化为求完备匹配的问题。
设顶点V1的顶标lx[i],V2顶点的顶标为LY[j],顶点V1的i与V2的j之间的边权为V(i,j)。在算法执行的过程中,对于任一条边C(i,j),LX[i]+LY[i]>=V[i,j]始终成立。
2.基本流程
(1)初始化时为了使 LX[i] + LY[j] >= V [i,j]恒成立,将V1的点的标号记为与其相连的最大边权值,V2的点标号记为0。
(2)用匈牙利算法在相等子图寻找完备匹配。
(3)若未找到完备匹配,则修改可行顶标的值,扩充相等子图。
(4)重复(2)(3)直到找到相等子图的完备匹配为止。
3.这里值得注意的是找完备匹配不难理解,主要是进行可行顶标的修改扩充相等子图
引用:
朴素的实现方法:时间复杂度为O(n4)——需要找O(n)次增广路, 每次增广最多需要修改O(n)次顶 标,每次修改顶标时由于要枚举边来求d值,复杂度为O(n2)。
实际上KM算法的复杂度是可以做到O(n3)的。我们给每个Y顶点一个“松弛量”函数 slack,每次开始找增广路时初始化为无穷大。在寻找增广路的过程中,检查边(i,j)时,如果它不在相等子图中,则让slack[j]变成原值与A [i]+B[j]-w[i,j]的较小值。这样,在修改顶标时,取所有不在交错树中的Y顶点的slack值中的最小值作为d值即可。但还要注意一点:修改 顶标后,要把所有的slack值都减去d。
引用:
如果当前的相等子图没有完备匹配,就按下面的方法修改顶标以使扩大相等子图,直到相等子图具有完备匹配为止。
我们求当前相等子图的完备匹配失败了,是因为对于某个V1顶点,我们找不到一条从它出发的交错路。这时我们获得了一棵交错树,它的叶子结点全部是V1顶点。现在我们把交错树中V1顶点的顶标全都减小某个值d,V2顶点的顶标全都增加同一个值d,那么我们会发现:
1)两端都在交错树中的边(i,j),lx[ i ]+ly[j]的值没有变化。也就是说,它原来属于相等子图,现在仍属于相等子图。
2)两端都不在交错树中的边(i,j),lx[ i ]和ly[j]都没有变化。也就是说,它原来属于(或不属于)相等子图,现在仍属于(或不属于)相等子图。
3)V1端不在交错树中,V2端在交错树中的边(i,j),它的lx[ i ]+ly[j]的值有所增大。它原来不属于相等子图,现在仍不属于相等子图。
4)V1端在交错树中,V2端不在交错树中的边(i,j),它的lx[ i ]+ly[j]的值有所减小。也就说,它原来不属于相等子图,现在可能进入了相等子图,因而使相等子图得到了扩大。
#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
#define maxn 310
#define INF 0x3f3f3f3f
#define clr(x) memset(x,0,sizeof(x))
int w[maxn][maxn];
int lx[maxn],ly[maxn];
int n;
int link[maxn];