纯C++实现匈牙利算法

时间: 2023-10-20 20:14:04 浏览: 41
匈牙利算法是一种求解二分图最大匹配的经典算法,下面是纯C语言实现的代码: ``` #include <stdio.h> #include <stdlib.h> #include <string.h> #define MAX_N 1000 #define MAX_M 1000 int n, m; int match[MAX_N]; // 记录右部点的匹配情况 int vis[MAX_N]; // 记录左部点是否被访问 int e[MAX_N][MAX_N]; // 存储图的邻接矩阵 // 寻找增广路 int dfs(int u) { for (int v = 1; v <= m; v++) { if (e[u][v] && !vis[v]) { vis[v] = 1; if (match[v] == -1 || dfs(match[v])) { match[v] = u; return 1; } } } return 0; } int main() { scanf("%d %d", &n, &m); memset(match, -1, sizeof(match)); int u, v; while (scanf("%d %d", &u, &v) != EOF) { e[u][v] = 1; } int ans = 0; for (int i = 1; i <= n; i++) { memset(vis, 0, sizeof(vis)); if (dfs(i)) { ans++; } } printf("%d", ans); return 0; } ``` 其中,变量`n`和`m`分别表示二分图的左部点数和右部点数,数组`match`记录右部点的匹配情况,数组`vis`记录左部点是否被访问,数组`e`存储图的邻接矩阵。函数`dfs`用于寻找增广路,返回值为是否找到了增广路。主函数中,首先输入二分图的左部点数和右部点数,然后输入每条边的信息,存储到邻接矩阵中。最后调用`dfs`函数寻找增广路,直到无法找到为止,返回最大匹配数。

相关推荐

最新推荐

recommend-type

C++实现分水岭算法(Watershed Algorithm)

主要为大家详细介绍了C++实现分水岭算法Watershed Algorithm,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

用C++实现DBSCAN聚类算法

本篇文章是对使用C++实现DBSCAN聚类算法的方法进行了详细的分析介绍,需要的朋友参考下
recommend-type

使用C++实现全排列算法的方法详解

本篇文章是对使用C++实现全排列算法的方法进行了详细的分析介绍,需要的朋友参考下
recommend-type

基于C++实现五子棋AI算法思想

主要为大家详细介绍了基于C++实现五子棋AI算法思想,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

C++递归算法实例代码

主要介绍了C++递归算法实例代码,还是比较不错的,运用了递归算法解决相关问题,这里分享给大家,需要的朋友可以参考下。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。