匈牙利演算法
Ⅰ 旅行商的匈牙利演算法
設一個Shortest_Path變數
先說用窮舉法求解，待會再介紹匈牙利演算法
用for循環，
默認是從A出發遍歷，
那麼有A-B-C-DA，A-B-D-CA，ACBDA，ACDBA，ADBCA，ADCBA（還有從BCD出發的等等等等）
然後就是一個個求
例如ABCD,那麼就是6+9+8+6（我猜A-B是6哪個，如果不是那就是8，反正方向是你自己設的）
就這么一個個的求出來所有最短路徑，每次當有更小的時候就記錄到Shortest_Path,最後就能得到了~~
至於匈牙利演算法我沒做過。。。但是其實本質是一樣的，只不過相當於做一個分支分別求解，這樣地演算法效率更高而已，具體的匈牙利程序網路里有很多 ~~
http://ke..com/view/501092.htm?fr=ala0_1_1
如果我講的不清楚你可以在網路hi上直接問我
Ⅱ 指派問題的匈牙利演算法，由B2得出最優指派這一步是怎麼算的
這是看對應的列向量最小值（即0）。第一列的最小量0在第2行，代表著第一個人對應第二個任務，第二列最小量0在第一行，代表著第二個人對應第一個任務，第三列的在第三行，第四列只能分配第四個，所以就有圖中的最優指派。
Ⅲ 求匈牙利演算法的原理
對於一個點x和一個點i，如果x和i匹配，那麼就匹配；如果i已和j匹配，那麼就看j能否和別的點匹配，如果能就可以x和i匹配，匹配數+1。
Ⅳ 匈牙利演算法具體怎麼操作啊
匈牙利演算法(Edmonds演算法)步聚：(1)首先用（*）標記X中所有的非M頂點，然後交替進行步驟（2），（3）。(2)選取一個剛標記（用（*）或在步驟（3）中用（yi）標記）過的X中頂點，例如頂點xi，如果xi與y為同一非匹配邊的兩端點，且在本步驟中y尚未被標記過,則用（xi）去標記Y中頂點y。重復步驟(2)，直至對剛標記過的X中頂點全部完成一遍上述過程。(3)選取一個剛標記（在步驟(2)中用(xi)標記）過的Y中結點，例如yi，如果yi與x為同一匹配邊的兩端點，且在本步驟中x尚未被標記過，則用(yi)去標記X中結點x。重復步驟(3)，直至對剛標記過的Y中結點全部完成一遍上述過程。 (2),(3)交替執行，直到下述情況之一出現為止： (I)標記到一個Y中頂點y，它不是M頂點。這時從y出發循標記回溯，直到（*）標記的X中頂點x，我們求得一條交替鏈。設其長度為2k+1，顯然其中k條是匹配邊，k+1條是非匹配邊。(II)步驟(2)或(3)找不到可標記結點，而又不是情況(I)。 (4)當(2),(3)步驟中斷於情況(I)，則將交替鏈中非匹配邊改為匹配邊，原匹配邊改為非匹配邊(從而得到一個比原匹配多一條邊的新匹配)，回到步驟(1)，同時消除一切現有標記。(5)對一切可能,(2)和(3)步驟均中斷於情況(II),或步驟(1)無可標記結點,演算法終止(演算法找不到交替鏈).
以上演算法說穿了，就是從二分圖中找出一條路徑來，讓路徑的起點和終點都是還沒有匹配過的點，並且路徑經過的連線是一條沒被匹配、一條已經匹配過交替出現。找到這樣的路徑後，顯然路徑里沒被匹配的連線比已經匹配了的連線多一條，於是修改匹配圖，把路徑里所有匹配過的連線去掉匹配關系，把沒有匹配的連線變成匹配的，這樣匹配數就比原來多1個。不斷執行上述操作，直到找不到這樣的路徑為止。
Ⅳ 什麼是匈牙利演算法
談匈牙利演算法自然避不開Hall定理，即是：對於二部圖G，存在一個匹配M，使得X的所有頂點關於M飽和的充要條件是：對於X的任意一個子集A，和A鄰接的點集為T(A)，恆有： │T(A)│ >= │A│
匈牙利演算法是基於Hall定理中充分性證明的思想，其基本步驟為：
1．任給初始匹配M；
2．若X已飽和則結束，否則進行第3步；
3．在X中找到一個非飽和頂點x0，作V1 ← {x0}, V2 ← Φ；
4．若T(V1) = V2則因為無法匹配而停止，否則任選一點y ∈T(V1)\V2；
5．若y已飽和則轉6，否則做一條從x0 →y的可增廣道路P，M←M?E(P)，轉2；
6．由於y已飽和，所以M中有一條邊(y,z)，作 V1 ← V1 ∪{z}, V2 ← V2 ∪ {y}， 轉4；
設數組up[1..n] --- 標記二分圖的上半部分的點。
down[1..n] --- 標記二分圖的下半部分的點。
map[1..n，1..n] --- 表示二分圖的上，下部分的點的關系。
True-相連， false---不相連。
over1[1..n]，over2[1..n] 標記上下部分的已蓋點。
use[1..n，1..n] - 表示該條邊是否被覆蓋 。
首先對讀入數據進行處理 ，對於一條邊(x，y) ，起點進集合up，終點進集合down。 標記map中對應元素為true。
1. 尋找up中一個未蓋點 。
2. 從該未蓋點出發 ，搜索一條可行的路線 ，即由細邊出發， 由細邊結束， 且細粗交錯的路線 。
3. 若找到 ，則修改該路線上的點所對應的over1，over2，use的元素。重復步驟1。
4. 統計use中已覆蓋的邊的條數total，總數n減去total即為問題的解。
Ⅵ 匈牙利演算法的簡介
設G=(V,E）是一個無向圖。如頂點集V可分割為兩個互不相交的子集V1,V2
選擇這樣的子集中邊數最大的子集稱為圖的最大匹配問題（maximal matching problem)
如果一個匹配中，|V1|<=|V2|且匹配數|M|=|V1|則稱此匹配為完全匹配，也稱作完備匹配。特別的當|V1|=|V2|稱為完美匹配。
Ⅶ 匈牙利演算法 java
#include<stdio.h>
#include<string.h>
bool g[201][201];
int n,m,ans;
bool b[201];
int link[201];
bool init()
{
int _x,_y;
memset(g,0,sizeof(g));
memset(link,0,sizeof(link));
ans=0;
if(scanf("%d%d",&n,&m)==EOF)return false;
for(int i=1;i<=n;i++)
{
scanf("%d",&_x);
for(int j=0;j<_x;j++)
{
scanf("%d",&_y);
g[ i ][_y]=true;
}
}
return true;
}
bool find(int a)
{
for(int i=1;i<=m;i++)
{
if(g[a][ i ]==1&&!b[ i ])
{
b[ i ]=true;
if(link[ i ]==0||find(link[ i ]))
{
link[ i ]=a;
return true;
}
}
}
return false;
}
int main()
{
while(init())
{
for(int i=1;i<=n;i++)
{
memset(b,0,sizeof(b));
if(find(i))ans++;
}
printf("%d\n",ans);
}
}
Pascal:
Program matching;
Const
max = 1000;
Var
map : array [1..max, 1..max] of boolean; {鄰接矩陣}
match: array [1..max] of integer; {記錄當前連接方式}
chk : array [1..max] of boolean; {記錄是否遍歷過，防止死循環}
m, n, i, t1, t2, ans,k: integer;
Function dfs(p: integer): boolean;
var
i, t: integer;
begin
for i:=1 to k do
if map[p, i] and not chk[ i ] then
begin
chk[ i ] := true;
if (match[ i ] = 0) or dfs(match[ i ]) then {沒有被連過 或 尋找到增廣路}
begin
match[ i ] := p;
exit(true);
end;{if}
end;{for}
exit(false);
end;{function}
begin{main}
readln(n, m); {N 為二分圖左側點數 M為可連接的邊總數}
fillchar(map, sizeof(map), 0);
k:=0;
for i:=1 to m do{initalize}
begin
readln(t1, t2);
map[t1, t2] := true;
if k<t2 then k:=t2;
end;{for}
fillchar(match, sizeof(match), 0);
ans := 0;
for i:=1 to n do
begin
fillchar(chk, sizeof(chk), 0);
if dfs(i) then inc(ans);
end;
writeln(ans);
for i:=1 to 1000 do
if match[ i ] <> 0 then
writeln(match[ i ], '-->', i);
end.
Ⅷ 匈牙利演算法是機器學習嗎
我們根據機器學習的定義（即讓計算機不依賴確定的編碼指令來自主的學習工作）可知，匈牙利演算法的整個求解過程是確定性的，即一張圖下進行求解，運行n次，演算法流程以及結果都不具備不確定性。因此，匈牙利演算法並非機器學習演算法。
Ⅸ 匈牙利演算法是什麼可以解決那些問題
是所謂的匈牙利法嗎，如果是，那麼就是整數規劃中0-1規劃的分配問題的求解方法，比方四個任務分配給4個人，每人一種，可以得到最大效益