【算法导论】最大二分匹配

简介:         最大二分匹配问题在现实生活中比较普遍,常常出现在任务分配上。例如,有5个员工,4个不同的任务,而不同员工能够完成不同或相同的任务。也就是说,有的员工只会做这个任务,有的员工会做那个任务,有的员工会做一些任务。

        最大二分匹配问题在现实生活中比较普遍,常常出现在任务分配上。例如,有5个员工,4个不同的任务,而不同员工能够完成不同或相同的任务。也就是说,有的员工只会做这个任务,有的员工会做那个任务,有的员工会做一些任务。图解如下:左边代表员工,右边代表任务,连线代表有能力完成。

 

我们的问题是合理安排员工,尽可能地完成最多的任务数。上图中阴影部分为一种最好的分配方式。前一篇文章中,我们介绍了最大流问题,在这里我们可以将最大二分匹配问题转变成最大流问题。具体如下图所示:

 

其中每条边的最大流量限制为1,因此要求能完成的最大任务数,相当于求转变后的网络的最大流,而最大流问题在前面已经提及。

具体的程序实现如下:

#include<stdio.h>

#define N 11 //顶点数 

/********************************************************\
函数功能:从残留网络中找到从源点s到汇点t的增广路径
输入:残留网络矩阵、记录前一顶点的矩阵
输出:0表示未找到路径,1表示找到了路径
\********************************************************/

int search(int dist1[N][N],int vertex[N])
{
	int queue[20]={-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1};//初始化,-1作为标记
	int flag[N]={0};//标记顶点是否被访问过
	int front=0;//队列头指针
	int rear=0;//队列尾指针
	int temp=0;
	int i;
	queue[rear]=0;//将源点入队列
	flag[0]=1;
	rear++;
	
	while(queue[front]!=-1)//队列不为空
	{
		temp=queue[front];//取队头元素
	    for(i=0;i<N;i++)
			if(dist1[temp][i]!=0&&flag[i]==0)//广度搜索法
			{
				queue[rear++]=i;//入队
				flag[i]=1;
				vertex[i]=temp;//标记当前节点的上一个节点
				if(i==10)//找到汇点后就不用再寻找了
					return 1;
			}
		front++;
		if(front==N)//找完所有顶点后停止寻找
			break;
	}
	if(queue[rear-1]!=10)//没有找到路径到汇点
		return 0;
	return 1;
}

/**************************************************************************\
函数功能:修改残余网络矩阵和原始流网络矩阵
输入:原始流网络矩阵、残留网络矩阵、记录前一顶点的矩阵、源点和汇点,最大流值
输出:0表示未找到路径,1表示找到了路径
\***************************************************************************/
int modify(int dist[N][N],int dist1[N][N],int vertex[N],int s,int t,int flow)
{
	int i,j;
	int min=10000;//记录找到的路径所能通过的最大流

	i=vertex[t];
	j=t;
	while(j!=s)//寻找路径所含边的最大流量值中的最小值
	{
		if(dist1[i][j]<min)
			min=dist1[i][j];	
		j=i;  
		i=vertex[i];
	}
	i=vertex[t];
	j=t;
	flow=min;//记录最大流量


	while(j!=s)
	{
		if(dist1[i][j]>0)//更改残余图
			dist1[j][i]=dist1[i][j];
		dist1[i][j]=dist1[i][j]-min;
		dist[i][j]=dist[i][j]+min-dist[j][i];//更改原始流网路
		if(dist[i][j]<0)
		{
			dist[j][i]=-dist[i][j];
			dist[i][j]=0;
		}
		j=i;
		i=vertex[i];
	}
	printf("原始流网络矩阵:\n");
	for(int i=0;i<N;i++)
	{
		for(int j=0;j<N;j++)
			printf("%d ",dist[i][j]);
		printf("\n");
	}

	printf("残留网络矩阵:\n");
	for(int i=0;i<N;i++)
	{
		for(int j=0;j<N;j++)
			printf("%d ",dist1[i][j]);
		printf("\n");
	}

	return flow;
}

void FordFulkerson(int dist[N][N],int dist1[N][N])
{
	
	int vertex[N]={0};//初始化
	int flow=0;
	while(search(dist1,vertex)==1)//当能找到增广路径时
	{    
		flow=flow+modify(dist,dist1,vertex,0,10,0);
		printf("\n");
	}
	printf("最大流为%d \n",flow);
	

	
}

void main()
{
	int dist1[N][N]={{0,1,1,1,1,1,0,0,0,0,0},
					 {0,0,0,0,0,0,1,0,0,0,0},
					 {0,0,0,0,0,0,1,0,1,0,0},
					 {0,0,0,0,0,0,0,1,1,1,0},
				     {0,0,0,0,0,0,0,0,1,0,0},
					 {0,0,0,0,0,0,0,0,1,0,0},
					 {0,0,0,0,0,0,0,0,0,0,1},
					 {0,0,0,0,0,0,0,0,0,0,1},
					 {0,0,0,0,0,0,0,0,0,0,1},
					 {0,0,0,0,0,0,0,0,0,0,1},
					 {0,0,0,0,0,0,0,0,0,0,0}};
	int dist[N][N]={0};//初始的流网络为0

	FordFulkerson(dist,dist1);

}

程序结果为最大流为3,与前面的图解一致,但是我们发现结果与图解的不同,这说明最大二分匹配可以有不同的解即有不同的分配方案。


注:如果程序出错,可能是使用的开发平台版本不同,请点击如下链接: 解释说明


原文:http://blog.csdn.net/tengweitw/article/details/17848773

作者:nineheadedbird


目录
相关文章
|
12月前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在自然语言处理中的应用与挑战
【10月更文挑战第3天】本文将探讨AI技术在自然语言处理(NLP)领域的应用及其面临的挑战。我们将分析NLP的基本原理,介绍AI技术如何推动NLP的发展,并讨论当前的挑战和未来的趋势。通过本文,读者将了解AI技术在NLP中的重要性,以及如何利用这些技术解决实际问题。
|
开发框架 监控 安全
webshell检测方法归纳
webshell检测方法归纳
956 0
|
10月前
|
机器学习/深度学习 编解码 物联网
极致的显存管理!6G显存运行混元Video模型
混元 Video 模型自发布以来,已成为目前效果最好的开源文生视频模型,然而,这个模型极为高昂的硬件需求让大多数玩家望而却步。魔搭社区的开源项目 DiffSynth-Studio 近期为混元 Video 模型提供了更高效的显存管理的支持,目前已支持使用24G显存进行无任何质量损失的视频生成,并在极致情况下,用低至 6G 的显存运行混元 Video 模型!
765 12
|
12月前
|
存储 Go 文件存储
M.2移动硬盘打造Win To Go系统:高效分区存储文件全攻略
【10月更文挑战第12天】本文详细介绍了如何使用M.2移动硬盘制作Win To Go系统。首先,需准备合适容量与接口类型的M.2硬盘及硬盘盒,并获取Windows镜像文件和分区工具。接着,通过Rufus软件将镜像写入硬盘。文中还提供了分区策略,包括系统分区(约80-120GB)、软件分区(根据需求设定)和数据分区(剩余空间),并指导如何使用DiskGenius或Windows自带工具进行分区。最后,强调了对各分区文件的有效管理和定期备份的重要性。
808 3
|
JavaScript 前端开发
【原创】用JavaScript动态获取网页中缩放图片的长度、宽度和显示比例
【原创】用JavaScript动态获取网页中缩放图片的长度、宽度和显示比例
|
算法 Python 容器
基于最低水平面的三维装箱问题的启发式算法
基于最低水平面的三维装箱问题的启发式算法
261 0
|
运维 Kubernetes 调度
【kubernetes】关于k8s集群的污点、容忍、驱逐以及k8s集群故障排查思路
【kubernetes】关于k8s集群的污点、容忍、驱逐以及k8s集群故障排查思路
|
数据可视化
R语言广义相加(加性)模型(GAMs)与光滑函数可视化
R语言广义相加(加性)模型(GAMs)与光滑函数可视化
|
JavaScript
Vue项目使用bpmn预览流程图
Vue项目使用bpmn预览流程图
392 0
window.addEventListener注册滚动scroll事件不生效
window.addEventListener注册滚动scroll事件不生效