利用Kuhn-Munkras算法求最小权值匹配

本文参考博客:
http://blog.csdn.net/zhangpinghao/article/details/12242823(代码参考该博客)
http://philoscience.iteye.com/blog/1754498(个人认为对km算法讲解比较好)

KM算法求的是基于带权二分图中完备匹配下的最大权值匹配。关于km算法的讲解网上资料比较丰富,此处就不详述啦。这里主要整理一些用KM算法求最小权值匹配的一些问题。

  • 在求最大权值匹配时,不存在的边的权值设为0。在求最小权值匹配时,可以考虑将对应的权值变为相反数,或者用一个很大的数减去权值,然后再来求最大权值匹配,最后将权值和取反即可。如果使用将对应的权值变为相反数的方法,则不存在的边的权值此时要设为INT_MAX(即,实际中求匹配时使用的是-INT_MAX),如此设置之后还需要特别注意溢出的问题, if( !sy[j] && ((lx[i] + ly[j] - weight[i][j] )<inc) 这一句对于带符号整型数可能会溢出࿰

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Kuhn-Munkres算法,也被称为匈牙利算法或是匹配算法,是一种用于解决二分图最大权匹配问题的经典算法。该算法被广泛应用在如任务分配、资源分配、指派问题等场景中。 在Matlab中,我们可以使用以下的步骤来实现Kuhn-Munkres算法: 1. 首先,我们需要将问题转化为一个二分图。比如,如果我们的问题是任务分配问题,那么我们可以用一个邻接矩阵来表示任务与资源之间的关系,其中矩阵的行表示任务,列表示资源,非零元素表示任务与资源之间的关系强度。 2. 接下来,我们需要定义一个函数来实现Kuhn-Munkres算法。函数的输入参数可以是我们定义好的邻接矩阵。在函数中,我们可以创建一个与邻接矩阵相同大小的全零矩阵,作为初始化的匹配集合。 3. 然后,我们可以将匹配问题转化为一个最大权完备匹配问题。这可以通过对邻接矩阵进行转换来实现。比如,我们可以对邻接矩阵的每一行进行减法操作,保留每行的最大值。 4. 在算法的主循环中,我们需要不断地找到最佳的匹配,并更新匹配集合。具体来说,我们可以从邻接矩阵中选择一个最高权值的未匹配点开始,然后通过一系列的增广路径来找到增广路径树。通过更新匹配集合,我们将已匹配点标记为匹配,未匹配点标记为未匹配,并继续寻找下一个未匹配点。直到无法找到更多增广路径为止。 5. 最后,我们可以返回匹配集合和最大权值。根据应用的不同,我们可以使用这些信息来解决具体的问题。 总之,Kuhn-Munkres算法是一种在Matlab中实现的二分图最大权匹配算法。通过将问题转化为二分图,定义函数并实现算法的主要步骤,我们可以使用Matlab来解决各种应用场景中的最大权匹配问题。

“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 1
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