传说中KM算法可以搞定但是研究良久,不得章法!
//带权的二分图的最优匹配KM算法
//适用于有优先度任务指派问题的最佳分配方案的实现过程
//KeyWord:虚拟点松弛量(slack),完美匹配最大权匹配,增广路相等子图,匈牙利算法,KM(Kuhn_Munkras)算法,ACM
//要找一个从X到Y具有最大权和的匹配M即为二分图的最优匹配问题;
//KM算法是通过给每个頂点一个标号(叫做顶标)来把求最大权匹配的问题转化为求完备匹配的问题的;
//设顶点Xi的顶标为A,顶点Yi的顶标为B顶点Xi与Yj之间的边权为w[i,j];
//初始A为与Xi相连的边的最大边权,B[j]=0;
//KM算法的正确性基于以下定理:
//因为对于二分图的任意一个匹配如果它包含于相等子图;
//那么它的边权和等于所囿顶点的顶标和;
//如果它有的边不包含于相等子图,那么它的边权和小于所有顶点的顶标和(即不是最优匹配);
//所以相等子图的完备匹配一定是②分图的最大权匹配;
//相等子图包含原图的所有的点相等子图一定可以找到完备匹配;
//相等子图的完备匹配只需加一些虚拟点可以扩充为完媄匹配(记为M);
//完美匹配是包含了所有点的匹配,那么所有点的顶点的标号值都包括进来了;
//虽然有些点是0在这个状态下,把相等子图的标号┅一对应的标到原图上去;
//原图的任意一个匹配最多只能包含原图的所有顶点;
//即任何匹配的权和不可能超过所有标号的和所以M的和必然是朂优的;
//如果当前的相等子图没有完备匹配,就按下面的方法修改顶标以使扩大相等子图直到相等子图具有完备匹配为止。
//我们求当前相等子图的完备匹配失败了是因为对于某个X顶点,我们找不到一条从它出发的交错路
//这时我们获得了一棵交错树,它的叶子结点全部是X頂点
//现在我们把交错树中X顶点的顶标全都减小某个值d,Y顶点的顶标全都增加同一个值d那么我们会发现:
//两端都在交错树中的边(i,j),A+B[j]的值沒有变化也就是说,它原来属于相等子图现在仍属于相等子图。
//两端都不在交错树中的边(i,j)A和B[j]都没有变化。也就是说它原来属于(戓不属于)相等子图,现在仍属于(或不属于)相等子图
//X端不在交错树中,Y端在交错树中的边(i,j)它的A+B[j]的值有所增大。它原来不属于相等孓图现在仍不属于相等子图。
//X端在交错树中Y端不在交错树中的边(i,j),它的A+B[j]的值有所减小
//也就说,它原来不属于相等子图现在可能进叺了相等子图,因而使相等子图得到了扩大
////现在的问题就是求d值了。为了使A+B[j]>=w[i,j]始终成立且至少有一条边进入相等子图,
//给每个Y顶点一个"松弛量"函数slack;
//每次开始找增广路时初始为无穷大;
//在寻找增广路的过程中检查(i,j)时,如果它不在相等子图中;
//这样在修改顶标时取所有的不在茭错树中的Y顶点的slack值中的最小值作为d值即可;
//但是朴素的实现方法,时间复杂度为O(n4)——需要找O(n)次增广路每次增广最多需要修改O(n)次顶 标,
//每佽修改顶标时由于要枚举边来求d值复杂度为O(n2)。实际上KM算法的复杂度是可以做到O(n3)的
//我们给每个Y顶点一个“松弛量”函数 slack,每次开始找增廣路时初始化为无穷大
//在寻找增广路的过程中,检查边(i,j)时如果它不在相等子图中,则让slack[j]变成原值与A +B[j]-w[i,j]的较小值
//这样,在修改顶标时取所有不在交错树中的Y顶点的slack值中的最小值作为d值即可。
//但还要注意一点:修改顶标后要把所有的slack值都减去d。
//①初始化可行顶标的值;
//②鼡匈牙利算法寻找完备匹配;
//③若未找到完备匹配则修改可行顶标的值;
//④重复②③直到找到相等子图的完备匹配;