匈牙利算法

【书本上的算法往往讲得非常复杂,我和我的朋友计划用一些简单通俗的例子来描述算法的流程】


匈牙利算法是由匈牙利数学家Edmonds于1965年提出,因而得名。匈牙利算法是基于Hall定理中充分性证明的思想,它是部图匹配最常见的算法,该算法的核心就是寻找增广路径,它是一种用增广路径求二分图最大匹配的算法。

-------等等,看得头大?那么请看下面的版本:

通过数代人的努力,你终于赶上了剩男剩女的大潮,假设你是一位光荣的新世纪媒人,在你的手上有N个剩男,M个剩女,每个人都可能对多名异性有好感(机器学习讲堂 匈牙利算法做匹配-_-||暂时不考虑特殊的性取向),如果一对男女互有好感,那么你就可以把这一对撮合在一起,现在让我们无视掉所有的单相思(好忧伤的感觉机器学习讲堂 匈牙利算法做匹配),你拥有的大概就是下面这样一张关系图,每一条连线都表示互有好感。

机器学习讲堂 匈牙利算法做匹配

本着救人一命,胜造七级浮屠的原则,你想要尽可能地撮合更多的情侣,匈牙利算法的工作模式会教你这样做:

===============================================================================

先试着给1号男生找妹子,发现第一个和他相连的1号女生还名花无主,got it,连上一条蓝线

机器学习讲堂 匈牙利算法做匹配

===============================================================================

接着给2号男生找妹子,发现第一个和他相连的2号女生名花无主,got it

机器学习讲堂 匈牙利算法做匹配

===============================================================================

接下来是3号男生,很遗憾1号女生已经有主了,怎么办呢?

我们试着给之前1号女生匹配的男生(也就是1号男生)另外分配一个妹子。

(黄色表示这条边被临时拆掉)

机器学习讲堂 匈牙利算法做匹配

与1号男生相连的第二个女生是2号女生,但是2号女生也有主了,怎么办呢?我们再试着给2号女生的原配(机器学习讲堂 匈牙利算法做匹配机器学习讲堂 匈牙利算法做匹配)重新找个妹子(注意这个步骤和上面是一样的,这是一个递归的过程)


机器学习讲堂 匈牙利算法做匹配

此时发现2号男生还能找到3号女生,那么之前的问题迎刃而解了,回溯回去

2号男生可以找3号妹子~~~                  1号男生可以找2号妹子了~~~                3号男生可以找1号妹子

机器学习讲堂 匈牙利算法做匹配机器学习讲堂 匈牙利算法做匹配机器学习讲堂 匈牙利算法做匹配

所以第三步最后的结果就是:

机器学习讲堂 匈牙利算法做匹配

===============================================================================

接下来是4号男生,很遗憾,按照第三步的节奏我们没法给4号男生出来一个妹子,我们实在是无能为力了……香吉士同学走好。

===============================================================================

这就是匈牙利算法的流程,其中找妹子是个递归的过程,最最关键的字就是“”字

其原则大概是:有机会上,没机会创造机会也要上

【code】

  1. bool find(int x){
  2. int i,j;
  3. for (j=1;j<=m;j++){ //扫描每个妹子
  4. if (line[x][j]==true && used[j]==false)
  5. //如果有暧昧并且还没有标记过(这里标记的意思是这次查找曾试图改变过该妹子的归属问题,但是没有成功,所以就不用瞎费工夫了)
  6. {
  7. used[j]=1;
  8. if (girl[j]==0 || find(girl[j])) {
  9. //名花无主或者能腾出个位置来,这里使用递归
  10. girl[j]=x;
  11. return true;
  12. }
  13. }
  14. }
  15. return false;
  16. }

在主程序我们这样做:每一步相当于我们上面描述的一二三四中的一步

  1. for (i=1;i<=n;i++)
  2. {
  3. memset(used,0,sizeof(used)); //这个在每一步中清空
  4. if find(i) all+=1;
  5. }



				<script>
					(function(){
						function setArticleH(btnReadmore,posi){
							var winH = $(window).height();
							var articleBox = $("div.article_content");
							var artH = articleBox.height();
							if(artH > winH*posi){
								articleBox.css({
									'height':winH*posi+'px',
									'overflow':'hidden'
								})
								btnReadmore.click(function(){
									if(typeof window.localStorage === "object" && typeof window.csdn.anonymousUserLimit === "object"){
										if(!window.csdn.anonymousUserLimit.judgment()){
											window.csdn.anonymousUserLimit.Jumplogin();
											return false;
										}else if(!currentUserName){
											window.csdn.anonymousUserLimit.updata();
										}
									}
									
									articleBox.removeAttr("style");
									$(this).parent().remove();
								})
							}else{
								btnReadmore.parent().remove();
							}
						}
						var btnReadmore = $("#btn-readmore");
						if(btnReadmore.length>0){
							if(currentUserName){
								setArticleH(btnReadmore,3);
							}else{
								setArticleH(btnReadmore,1.2);
							}
						}
					})()
				</script>
				</article>

相关文章: