匈牙利算法
Ⅰ 旅行商的匈牙利算法
设一个Shortest_Path变量
先说用穷举法求解，待会再介绍匈牙利算法
用for循环，
默认是从A出发遍历，
那么有A-B-C-DA，A-B-D-CA，ACBDA，ACDBA，ADBCA，ADCBA（还有从BCD出发的等等等等）
然后就是一个个求
例如ABCD,那么就是6+9+8+6（我猜A-B是6哪个，如果不是那就是8，反正方向是你自己设的）
就这么一个个的求出来所有最短路径，每次当有更小的时候就记录到Shortest_Path,最后就能得到了~~
至于匈牙利算法我没做过。。。但是其实本质是一样的，只不过相当于做一个分支分别求解，这样地算法效率更高而已，具体的匈牙利程序网络里有很多 ~~
http://ke..com/view/501092.htm?fr=ala0_1_1
如果我讲的不清楚你可以在网络hi上直接问我
Ⅱ 指派问题的匈牙利算法，由B2得出最优指派这一步是怎么算的
这是看对应的列向量最小值（即0）。第一列的最小量0在第2行，代表着第一个人对应第二个任务，第二列最小量0在第一行，代表着第二个人对应第一个任务，第三列的在第三行，第四列只能分配第四个，所以就有图中的最优指派。
Ⅲ 求匈牙利算法的原理
对于一个点x和一个点i，如果x和i匹配，那么就匹配；如果i已和j匹配，那么就看j能否和别的点匹配，如果能就可以x和i匹配，匹配数+1。
Ⅳ 匈牙利算法具体怎么操作啊
匈牙利算法(Edmonds算法)步聚：(1)首先用（*）标记X中所有的非M顶点，然后交替进行步骤（2），（3）。(2)选取一个刚标记（用（*）或在步骤（3）中用（yi）标记）过的X中顶点，例如顶点xi，如果xi与y为同一非匹配边的两端点，且在本步骤中y尚未被标记过,则用（xi）去标记Y中顶点y。重复步骤(2)，直至对刚标记过的X中顶点全部完成一遍上述过程。(3)选取一个刚标记（在步骤(2)中用(xi)标记）过的Y中结点，例如yi，如果yi与x为同一匹配边的两端点，且在本步骤中x尚未被标记过，则用(yi)去标记X中结点x。重复步骤(3)，直至对刚标记过的Y中结点全部完成一遍上述过程。 (2),(3)交替执行，直到下述情况之一出现为止： (I)标记到一个Y中顶点y，它不是M顶点。这时从y出发循标记回溯，直到（*）标记的X中顶点x，我们求得一条交替链。设其长度为2k+1，显然其中k条是匹配边，k+1条是非匹配边。(II)步骤(2)或(3)找不到可标记结点，而又不是情况(I)。 (4)当(2),(3)步骤中断于情况(I)，则将交替链中非匹配边改为匹配边，原匹配边改为非匹配边(从而得到一个比原匹配多一条边的新匹配)，回到步骤(1)，同时消除一切现有标记。(5)对一切可能,(2)和(3)步骤均中断于情况(II),或步骤(1)无可标记结点,算法终止(算法找不到交替链).
以上算法说穿了，就是从二分图中找出一条路径来，让路径的起点和终点都是还没有匹配过的点，并且路径经过的连线是一条没被匹配、一条已经匹配过交替出现。找到这样的路径后，显然路径里没被匹配的连线比已经匹配了的连线多一条，于是修改匹配图，把路径里所有匹配过的连线去掉匹配关系，把没有匹配的连线变成匹配的，这样匹配数就比原来多1个。不断执行上述操作，直到找不到这样的路径为止。
Ⅳ 什么是匈牙利算法
谈匈牙利算法自然避不开Hall定理，即是：对于二部图G，存在一个匹配M，使得X的所有顶点关于M饱和的充要条件是：对于X的任意一个子集A，和A邻接的点集为T(A)，恒有： │T(A)│ >= │A│
匈牙利算法是基于Hall定理中充分性证明的思想，其基本步骤为：
1．任给初始匹配M；
2．若X已饱和则结束，否则进行第3步；
3．在X中找到一个非饱和顶点x0，作V1 ← {x0}, V2 ← Φ；
4．若T(V1) = V2则因为无法匹配而停止，否则任选一点y ∈T(V1)\V2；
5．若y已饱和则转6，否则做一条从x0 →y的可增广道路P，M←M?E(P)，转2；
6．由于y已饱和，所以M中有一条边(y,z)，作 V1 ← V1 ∪{z}, V2 ← V2 ∪ {y}， 转4；
设数组up[1..n] --- 标记二分图的上半部分的点。
down[1..n] --- 标记二分图的下半部分的点。
map[1..n，1..n] --- 表示二分图的上，下部分的点的关系。
True-相连， false---不相连。
over1[1..n]，over2[1..n] 标记上下部分的已盖点。
use[1..n，1..n] - 表示该条边是否被覆盖 。
首先对读入数据进行处理 ，对于一条边(x，y) ，起点进集合up，终点进集合down。 标记map中对应元素为true。
1. 寻找up中一个未盖点 。
2. 从该未盖点出发 ，搜索一条可行的路线 ，即由细边出发， 由细边结束， 且细粗交错的路线 。
3. 若找到 ，则修改该路线上的点所对应的over1，over2，use的元素。重复步骤1。
4. 统计use中已覆盖的边的条数total，总数n减去total即为问题的解。
Ⅵ 匈牙利算法的简介
设G=(V,E）是一个无向图。如顶点集V可分割为两个互不相交的子集V1,V2
选择这样的子集中边数最大的子集称为图的最大匹配问题（maximal matching problem)
如果一个匹配中，|V1|<=|V2|且匹配数|M|=|V1|则称此匹配为完全匹配，也称作完备匹配。特别的当|V1|=|V2|称为完美匹配。
Ⅶ 匈牙利算法 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; {邻接矩阵}
match: array [1..max] of integer; {记录当前连接方式}
chk : array [1..max] of boolean; {记录是否遍历过，防止死循环}
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 {没有被连过 或 寻找到增广路}
begin
match[ i ] := p;
exit(true);
end;{if}
end;{for}
exit(false);
end;{function}
begin{main}
readln(n, m); {N 为二分图左侧点数 M为可连接的边总数}
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 匈牙利算法是机器学习吗
我们根据机器学习的定义（即让计算机不依赖确定的编码指令来自主的学习工作）可知，匈牙利算法的整个求解过程是确定性的，即一张图下进行求解，运行n次，算法流程以及结果都不具备不确定性。因此，匈牙利算法并非机器学习算法。
Ⅸ 匈牙利算法是什么可以解决那些问题
是所谓的匈牙利法吗，如果是，那么就是整数规划中0-1规划的分配问题的求解方法，比方四个任务分配给4个人，每人一种，可以得到最大效益