演算法說明：1，一定存在完全匹配
2，求最大（小）權匹配，也就是各種匹配情況下需要的消耗最小或者收益最大
演算法前首先說明什麼是交錯樹：每次增加一條增廣路或者增加失敗時匈牙利演算法所遍歷過的點都是交錯樹中的節點，如果說二分圖（一邊是x頂點，另一邊全是y頂點）中以x頂點匹配y頂點時，那麼交錯樹中的所有葉子節點都是x頂點。（歡迎各位理解得更清楚的同學指導）
演算法說明：該演算法是通過給每個頂點乙個標號（叫做頂標）來把求最大權匹配的問題轉化為求完備匹配的問題的。設頂點xi的頂標為a[ i ]，頂點yj的頂標為b[ j ]，頂點xi與yj之間的邊權為w[i,j]。在演算法執行過程中的任一時刻，對於任一條邊(i,j)，a[ i ]+b[j]>=w[i,j]始終成立。
km演算法的正確性基於以下定理：
若由二分圖中所有滿足a[ i ]+b[j]=w[i,j]的邊(i,j)構成的子圖（稱做相等子圖）有完備匹配，那麼這個完備匹配就是二分圖的最大權匹配。
首先解釋下什麼是完備匹配，所謂的完備匹配就是在二部圖中，x點集中的所有點都有對應的匹配或者是
y點集中所有的點都有對應的匹配，則稱該匹配為完備匹配。
這個定理是顯然的。因為對於二分圖的任意乙個匹配，如果它包含於相等子圖，那麼它的邊權和等於所有頂點的頂標和；如果它有的邊不包含於相等子圖，那麼它的邊權和小於所有頂點的頂標和。所以相等子圖的完備匹配一定是二分圖的最大權匹配。
初始時為了使a[ i ]+b[j]>=w[i,j]恆成立，令a[ i ]為所有與頂點xi關聯的邊的最大權，b[j]=0。如果當前的相等子圖沒有完備匹配，就按下面的方法修改頂標以使擴大相等子圖，直到相等子圖具有完備匹配為止。
我們求當前相等子圖的完備匹配失敗了，是因為對於某個x頂點，我們找不到一條從它出發的交錯路。這時我們獲得了一棵交錯樹，它的葉子結點全部是x頂點。現在我們把交錯樹中x頂點的頂標全都減小某個值d，y頂點的頂標全都增加同乙個值d，那麼我們會發現：
1）兩端都在交錯樹中的邊(i,j)，a[ i ]+b[j]的值沒有變化。也就是說，它原來屬於相等子圖，現在仍屬於相等子圖。
2）兩端都不在交錯樹中的邊(i,j)，a[ i ]和b[j]都沒有變化。也就是說，它原來屬於（或不屬於）相等子圖，現在仍屬於（或不屬於）相等子圖。
3）x端不在交錯樹中，y端在交錯樹中的邊(i,j)，它的a[ i ]+b[j]的值有所增大。它原來不屬於相等子圖，現在仍不屬於相等子圖。
4）x端在交錯樹中，y端不在交錯樹中的邊(i,j)，它的a[ i ]+b[j]的值有所減小。也就說，它原來不屬於相等子圖，現在可能進入了相等子圖，因而使相等子圖得到了擴大。
現在的問題就是求d值了。為了使a[ i ]+b[j]>=w[i,j]始終成立，且至少有一條邊進入相等子圖，d應該等於：
min。
推薦poj 2195 ：
我的**：
#include
#include
int row,col;//提供圖的行和列
char str[201][201];//存圖
int dis[201][201];//存各人和房子的距離
int men[201][2],house[201][2],hnum,mnum;//每個人，每個房子的座標
int line[201],usedy[201],usedx[201],point[201][2];//line求得的匹配 usedx存交錯樹中x頂點，usedy存交錯樹中y頂點，point二維，第一維存x（即人）頂點頂標，第二維存一（即房子）頂點頂標
int find(int x)
}return 0;
}int count()
int km()//km演算法求完全匹配情況下的最大匹配
}point[i][0]=max;
point[i][1]=0;
}memset(line,0,sizeof(line));
for(i=1;i<=mnum;i++)
for(j=1;j<=hnum;j++)}}
return count();
}int abs(int x)
int main()
if(str[i][j]=='m')}}
for(i=1;i<=mnum;i++)
for(j=1;j<=hnum;j++)
printf("%d\n",-km());
}return 0;
}
求最大權二分匹配的KM演算法
最大權二分匹配問題就是給二分圖的每條邊乙個權值，選擇若干不相交的邊，得到的總權值最大。解決這個問題可以用km演算法。理解km演算法需要首先理解 可行頂標 的概念。可行頂標是指關於二分圖兩邊的每個點的乙個值lx i 或ly j 保證對於每條邊w i j 都有lx i ly j w i j 0。如果所有...
資料庫禁止模糊匹配的情況下實現模糊匹配以及分頁展示
部分示例 如下 自己重寫的偽 非專案原 獲取資料庫所有rb title資料 title x getinstance getlist rb id gt 0 rb title 拼接自動下拉框外掛程式要求字串 title all array column title,rb title foreach ti...
非正常情況下的移動加權平均演算法
非正常情況下的移動加權平均演算法 什麼叫移動加權平均法？據以計算加權平均單位成本，以此為基礎計算當月發出存貨的成本和期末存貨的成本的一種方法。這只能說是正常使用情況下的 或者說書面上理想情況下的 移動加權平均演算法。這種演算法是建立在先進貨 有了庫存成本 後銷售的條件上才能計算。什麼叫非正常情況？因...