匈牙利演算法步驟

『壹』 什麼是匈牙利演算法Hall定理是什麼

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。

『貳』 大學運籌學考試哪些是重點

運籌學重點內容：
第一章
1.掌握LP數學模型的基本特徵與形式
根據背景資料建立LP數學模型的方法技巧（例1） （會用圖解法求解簡單的LP問題 不做重點要求）
2.理解LP問題的解相關概念與判別准則（可行解、基解等） 3.熟悉單純形表的形式與單純形表的計算步驟
4.熟練運用普通單純形表法、人工變數法（包括大M法、兩階段法）求解LP問題
提示：單純形表的表格線必須正確畫出，單純形表迭代過程要寫清楚（如：換入、換出變數（θ值要算出）的確定和主元）
第二章
1.理解與掌握LP原問題與對偶問題的關系（課本中的表），了解LP問題的對偶理論
2.當已知LP問題的原問題及其最優解時，能根據對偶性質直接寫出對偶問題和最優解（必須說明具體依據）
3.掌握對偶單純形法的使用條件，熟練運用對偶單純形法解適當的LP問題 4.了解影子價格的含義與性質 5.掌握靈敏度分析的方法
①變數的價值系數Cj ②約束條件右端項bi ③
第三章
1.了解運輸問題數學模型的特點
2.熟悉表上作業法的步驟。掌握初始基可行解的求法，會對求得的或給定的可行解進行最優性檢驗。掌握解的改進方法
注意：每得到一個基可行解，就應畫一張運輸表，運輸表的畫法要規范，檢驗數和解必須填入表中的適當位置，必須經過檢驗才能判定最優解
提示：也可能給一個初始基可行解額，要求從第2個步驟往下做
第四章
1.了解目標規劃數學模型的特點 2.掌握目標規劃問題的建模
3.掌握求解目標規劃問題的單純形法
第五章
1.了解整數規劃模型的特點，整數規劃的解與其鬆弛問題的解的關系 2.掌握求解整數規劃問題的割平面法
3.掌握0—1型變數的應用和0—1型整數規劃問題的建模
4.了解指派問題數學模型的特點，掌握匈牙利演算法的步驟，熟練運用匈牙利法求解指派問題 注意：運用匈牙利法求解指派問題時過程要寫清楚，關鍵步驟不能忽略
第七章
1.理解動態規劃的基本概念和基本原理 2.掌握常見動態規劃問題的建模與求解方法 建立DP模型 ① 選定解法 ② 劃分階段（按什麼劃分為幾個階段） ③ 確定狀態變數（說明其意義---表示什麼）
狀態集合（狀態數量的取值范圍（所有可能出現的狀態）） ④ 確定決策變數（說明其意義----表示什麼） ⑤ 允許決策集合（說明決策變數允許的取值范圍） ⑥ 狀態轉移方程（從k階段轉移到k（或前）一階段的遞推式） ⑦ 階段指標（第k階段在狀態為sk決策為uk 時的效果） ⑧ 最優指標函數（說明其意義---表明什麼） ⑨ DP基本方程（遞推關系與邊界條件） 可重點復習：
①一維資源分配問題（含部分靜態規劃問題建模與求解 例5 習題7.6 7.9（3）） ②生產與存貯問題的動態規劃建模（例8 習題7.3） ③采購與銷售問題的動態規模建模（例9）
第八章
1.理解圖的有關概念、分類及其性質 2.掌握解最短路問題的Dijkstra標號演算法
3.理解網路的基本概念。掌握尋求網路最大流、最小割的Ford—Fulkerson標號演算法
注意：用Dijkstra、Ford—Fulkerson演算法解題時須簡要寫出步驟，並在圖上作必要的標記（每個可行流畫一張圖）

『叄』 指派問題的匈牙利演算法

這個問題有點專業！

『肆』 關於匈牙利演算法的問題

圖不連通就是所有連通子圖的匹配數的和啊。。
完全二分圖不用這個演算法，結果直接就是較小那邊的數目。。

『伍』 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。

『陸』 KM演算法的注意

每一次找匹配時USED都是清0的，這是為了記錄什麼可以找，什麼不可以找，說白了，這個模塊就是一個遞歸的過程，USED的應用就是為了限制遞歸過程中的尋找范圍，從而達到「不好則換，換則最好」，這里的最好是「新換」中最好的。
匈牙利演算法解題是極為簡單的，但是圖論的難並不是難在解答，而是建圖的過程，也難怪會有牛曰：用匈牙利演算法，建圖是痛苦的，最後是快樂的。當然，我們這些◎#！◎◎也只能搞搞NOIP了，一般不會太難，所以此演算法，極為好用。
KM演算法：
最大流的KM演算法，又算的上演算法世界中的一朵奇葩了。
解決最大流問題可以使用「網路流」，但較為繁瑣，沒有KM來得痛快，
下面是KM演算法的核心模塊：

functionfind(x:byte):boolean;vary:byte;beginfind:=false;vx[x]:=true;fory:=1tondoifnotvy[y]and(lx[x]+ly[y]=w[x,y])thenbeginvy[y]:=true;if(aim[y]=0)orfind(aim[y])thenbeginaim[y]:=x;find:=true;exit;end;end;end;
可以見出，該模塊與匈牙利演算法極為相似，差別便是:
if not vy[y] and (lx[x]+ly[y]=w[x,y])判斷語句了，這里涉及到KM演算法的思想，不再贅述，請自行「擺渡」之。
但是在源程序的調用過程更是煩雜： fork:=1tondorepeatfillchar(vx,sizeof(vx),0);fillchar(vy,sizeof(vy),0);iffind(k)thenbreak;////有機會d:=maxn;/////沒有機會fori:=1tondo/////創造機會ifvx[i]thenforj:=1tondoifnotvy[j]theniflx[i]+ly[j]-w[i,j]<dthend:=lx[i]+ly[j]-w[i,j];fori:=1tondobeginifvx[i]thendec(lx[i],d);ifvy[i]theninc(ly[i],d);end;untilfalse;總結起來便是：有機會就上，沒有機會創造機會也要上！

『柒』 匈牙利法沒有交點

摘要 您好，親，感謝您的耐心等待[鮮花][鮮花][鮮花][鮮花]，為您查詢核實到⑴ 匈牙利演算法步驟

『捌』 2011數學建模國賽B題 求解答

一 問題的重述
110警車在街道上巡邏，既能夠對違法犯罪分子起到震懾作用，降低犯罪率，又能夠增加市民的安全感，同時也加快了接處警時間，提高了反應時效，為社會和諧提供了有力的保障。
現給出某城市內一區域，其道路數據和地圖數據已知，該區域內三個重點部位的坐標分別為：（5112，4806），（9126， 4266），（7434 ，1332）。該區域內共有307個道路交叉口，為簡化問題，相鄰兩個交叉路口之間的道路近似認為是直線，且所有事發現場均在下圖的道路上。
該市擬增加一批配備有GPS衛星定位系統及先進通訊設備的110警車。設110警車的平均巡邏速度為20km/h，接警後的平均行駛速度為40km/h。警車配置及巡邏方案要盡量滿足以下要求：
D1. 警車在接警後三分鍾內趕到現場的比例不低於90％；而趕到重點部位的時間必須在兩分鍾之內。
D2. 使巡邏效果更顯著；
D3. 警車巡邏規律應有一定的隱蔽性。
現在我們需要解決以下幾個問題：
一. 若要求滿足D1,該區最少需要配置多少輛警車巡邏？
二. 請給出評價巡邏效果顯著程度的有關指標。
三．請給出滿足D1且盡量滿足D2條件的警車巡邏方案及其評價指標值。
四. 在第三問的基礎上，再考慮D3條件，給出你們的警車巡邏方案及其評價指標值。
五．如果該區域僅配置10輛警車，應如何制定巡邏方案，使D1、D2盡量得到滿足？
六. 若警車接警後的平均行駛速度提高到50km/h，回答問題三。
七. 你們認為還有哪些因素、哪些情況需要考慮？給出你們相應的解決方案。

二 問題分析
本題為城區道路網路中警車配置及巡邏問題。在進行警車配置時，首先要考慮警車在接警後在規定時間內趕到現場的比例，在此條件下，以車數最少為目標，建模、求解；在制定巡邏方案時，要考慮巡邏的效果及隱蔽性問題。
問題一隻要求滿足D1，求最少的警車配置數，可以認為警車是不動的，在三分鍾或兩分鍾內它能到達的區域就是它的覆蓋范圍。據此，在滿足所有街道的覆蓋率不低於90%的條件下，尋找最優解。
問題二要評價巡邏效果，有兩個方面需要考慮：一是巡邏的全面性，即經過一段時間後警車走過的街道數占總街道數的比例；二是巡邏的不均勻性，即經過一段時間後警車經過每一條街道的次數相差不大，用方差來衡量。
問題三是在滿足D1的條件上盡量滿足問題二所給的指標，並給出評價方案的指標。首先找到一組滿足D1的各警車位置，然後在和各警車位置相連的點中隨機尋找一個點，判斷新的點是否滿足D1，如果滿足則警車行駛到該點，否則重新尋找，直到滿足為止。一段時間後統計所有車走過的點數及每個點被走過的次數，用問題二給出的兩個指標進行評價。綜合兩個指標，可判斷此路徑的好壞，重復這個過程，直到綜合評價指標達到一個滿意的值為止。
問題四增加了隱蔽性要求，首先給出評價隱蔽性的指標，隱蔽性可用路線的隨機性來評價，將它加入到問題三的模型中去進行求解。
問題五限制警車數量為10，要綜合考慮D1、D2，先分配這10輛車使道路的覆蓋率最高，然後按照問題三的步驟進行求解，其中每一步對D1的判斷只需使道路的覆蓋率盡量高即可。
問題六同問題三，只需將車速改為50km/h即可。

三 模型的假設

1. 警車都在路上巡邏，巡警去處理案件的時間不考慮；
2. 所有事發現場都在道路上，案件在道路上任一點是等概率發生的；
3. 警車初始停靠點是隨機的，但盡量讓它們分散分布，一輛警車管轄一個分區；
4. 假定各個劃分區域內，較短時間內，最多會發生一個案件；
5. 假設區域內的每條道路都是雙行線，不考慮轉彎對結果造成的影響；
6. 如果重點部位不在道路上的，假設這些重點部位在離它們最近的道路上；
7. 圖中水域對巡邏方案沒有影響。

四 符號說明

表示警車數目
表示警車初始停靠點到各道路的最短距離
表示整個區域的總道路長度
表示不能在3分鍾內到達的區域的道路的長度
表示非重點部位的警車在3分鍾內不能到達現場的比例
表示三分鍾內能從接警位置趕到事發現場的最大距離是
表示整個區域總的離散點個數
表示第 區內的節點個數
表示區內調整函數
表示模擬退火的時間，表徵溫度值
表示區間調整函數
表示全面性指標
表示不均勻性指標
表示綜合評價指標
表示第 輛車經過每條道路的次數
表示整個區域每條道路經過的平均次數

五 模型的建立與演算法的設計
5.1 滿足D1時，該區所需要配置的最少警車數目和巡邏方案
5.1.1 滿足D1條件時，區域最少警車的規律
題目要求警車的配置和巡邏方案滿足D1要求時，整個區域所需要配置的警車數目最少。由假設可知警車都在道路上，且所有事發現場也都在道路上，但區域內總的道路長度是個定值的；警車在接警後趕到事發現場有時間限制和概率限制：三分鍾內趕到普通區域案發現場的比例不低於90％，而趕到重點部位的時間必須控制在兩分鍾之內。由此可知每輛警車的管轄范圍不會很大，於是考慮將整個區域分成若干個分區，每輛警車管轄一個分區域。
由上面的分析，求解整個區域的警車數目最少這個問題可轉化為求解每一輛警車所能管轄的街道範圍盡量的大。於是我們尋找出使每輛警車管轄的范圍盡量大的規律。為了簡化問題，我們不考慮趕到現場的90%的幾率的限制，僅對警車能在三分鍾內趕到事發現場的情況作定性分析，其分析示意圖如圖1所示。警車的初始停靠位置是隨機的分布在道路上的任一節點上，我們假設一輛警車停靠在A點上。

圖1 一輛警車管轄范圍分析示意圖

由於警車的平均巡邏速度為20km/h，接警後的平均行駛速度為40km/h，由於距離信息比較容易得到，於是我們將時間限制轉化為距離限制，這樣便於分析和求解。當警車接警後，在三分鍾內能從接警位置趕到事發現場的最大距離是 ，其中 。
如圖1所示，我們設警車初始停靠位置在A點，A點是道路1，2，3，4的道路交叉口。我們僅以警車在道路1巡邏為例來進行分析，警車以 的速度在道路1上A到 點之間巡邏， 與初始停靠點A的距離為 。由於案件有可能在道路上任一點發生，當警車巡邏到A點時，若案發現場在道路2，3，4上發生時，警車以40km/h的速度向事發現場行駛，警車能在三分鍾內從 點趕到現場的最大距離為 。如果警車在道路1上繼續向前行駛，則該警車能在三分鍾內趕到現場的距離繼續縮小，當警車從初始點向A點行駛但沒有達到 點時，此時該警車的最大管轄范圍比警車到達 點時的最大管轄范圍大。為了使警車的管轄范圍盡量大，警車的巡邏范圍越小越好，當 時，即警車在初始停靠點靜止不動時，警車的管轄范圍達到最大值 。
圖1所分析的是特殊的情況，道路1，2，3，4對稱分布，現在我們來對一般的情況進行分析，如圖2所示。

圖2.1 圖2.2
圖2 一輛警車最大管轄范圍分析示意圖

圖2.1所示的情況是道路分布不對稱，與圖1相比，圖2.1所示的道路方向和角度都發生了改變，圖2.3中的情形更為復雜。參照對圖1的分析方法，我們分析這兩種情形下，警車巡邏時能在三分鍾內趕到現場的最大距離的規律，我們只分析圖2.2的情況，道路1，2，3，4，5相交於點C,同時道路1與道路6也有個道路交叉口D， 由於警車巡邏時是在道路上行駛的，行走的路線是分段直線,並不影響路徑的長度，所以當警車巡邏到距離初始停靠點C點 遠處的D，此時若有案件發生時，該警車要在三分鍾內能趕到現場處理案件，最大行駛距離在 之內，如果警車在道路1上繼續向前行駛，則該警車能在三分鍾內趕到現場的距離繼續縮小，當警車沒有行駛到D點時，此時該警車的最大管轄范圍比 大，為了使警車的管轄范圍盡量大，警車的巡邏范圍越小越好。當 時，即警車靜止不動時，一輛警車的管轄范圍能達到最大值。
以上分析的僅作定性的分析，對於三個重點部位也可以同理分析，所得的結論是一致的，以上的分析沒有考慮到90%的到達幾率限制，但在設計演算法需要充分考慮。
綜上所述，當警車靜止在初始停靠點時，在三分鍾時間限制內，警車能從初始停靠點趕到事發現場的最大距離為 。

5.1.2 將道路離散化
由於事發現場是等概率地分布在道路上的，由區域地圖可以發現，整個區域中的道路長度不均，為了使計算結果更加精確，可將這些道路離散化。只要選取合適的離散方案，就能使警車在經過道路上的離散的點時就相當於經過了這條道路。這樣，不論是求解警車初始停靠點還求解警車趕到事發現場所經過的道路時，所計算得的的結果顯然比僅考慮整條道路的叉路口要精確得多。
區域中共有307個道路交叉口，458條道路。我們採用線性插值方法對道路進行離散化，以 的速度行走一分鍾的距離作為步長，一分鍾時間的選擇是參照問題三的結果要求來設定的，步長 。用線性插值的方法，從道路的一個方向進行線性插值，實現將每條道路離散化的目標，考慮到有些道路不是 的整數倍，我們就一般情況進行討論，其分析示意圖如圖3所示。道路AB長度為 個 與 長度的和，為了更精確處理CB段道路，那麼就要考慮在CB之間是否要插入一個新的點， 根據 的長度不同，其對應的處理方式也有所不同。

圖3 道路離散化分析示意圖

引進臨界指數 ，選取 大小的准則是使盡量離散化後警車等效的平均巡邏速度和題目給定的速度（ ）的差值盡量小，經過計算得 時，不再插入新的坐標點時能使整個區域的道路離散效果較好。此時，將CB段長度設定為 處理，於是離散後的AB道路長度會比實際長度短些；當 時，需要在兩個點之間再插入一點，因為這樣處理能使整個區域的整體道路的離散化效果比較理想。如圖3所示，在C與B間再插入新的坐標點，插入的位置在距C點 的D點處,這樣處理後所得的道路長度比實際長度長了 。採用這樣的方法進行線性插值，我們使用MATLAB編程實現對整個區域道路的離散，所得的離散結果如圖4所示，離散後共得到762個節點，比原始數據多了455個節點，離散後的節點數據見附件中的「newpoint.txt」。

圖4 整個區域離散結果圖

採用這種插值方法道路離散後，將直線上的無窮多個點轉化有限個點，便於分析問題和實現相應的演算法，由圖4可知，所取得的整體離散效果還是比較理想的。

5.1.3 分區域求解警車數目的演算法設計
考慮到警車配置和巡邏方案需要滿足：警車在接警後三分鍾內趕到普通部位案發現場的比例不低於90%，趕到重點部位必須控制在兩分鍾之內的要求。設計演算法的目標就是求解出在滿足D1情況下，總的警車數目最小，即每個區域都盡可能多地覆蓋道路節點。由於警車的初始位置是未知的，我們可設警車初始停靠點在道路上的任一點，即分布在圖4所示的762個離散點中的某些點節點上，總體思路是讓每兩輛車之間盡量分散地分布，一輛警車管轄一個分區，用這些分區覆蓋整個區域。
於是我們設計演算法1，步驟如下所示：

Step1：將整個區域預分配為 個分區，每個分區分配一輛警車，警車的初始停靠位置設在預分配區中心的道路節點上，若區域的中心不在道路節點上，則將警車放在離中心最近的道路節點上；
Step2：統計分區不能覆蓋的節點，調整警車的初始停靠點，使分區覆蓋盡可能多的道路節點，調整分為區內調整和區間調整方案：（1）區內調整按照模擬退火思想構造的函數，在區間調整調整車輛初始點的位置（後文中有詳細說明），當分區內節點數較多時，調整的概率小些，分區內節點數較少時，調整的概率大些，（2）當區域中存在未被覆蓋的節點或節點群（大於等於三個節點集中在一個范圍內）時，將警車初始位置的調整方向為朝著這些未被覆蓋的節點按一定的規則（在演算法說明中有詳細敘述）移動，同時要保證 3個重點部位能在2分鍾之內100%到達；
Step3：用Floyd演算法計算出警車初始停靠點到周邊各道路節點的最短距離 ；
Step4：以 個劃分區域未覆蓋的總的道路長度 與整個區域的道路總長度 的比值 來表示警車不能3分鍾內到達現場的概率；
Step5：模擬足夠多的次數，若 ，將車輛數 減1，跳轉到Step1；
Step6：計算結束後，比較當 時所對應的 值， 當 取得最小值時，記錄此時的區域劃分方案， 即為最少的警車數。

對演算法的幾點說明：
（1）該演算法所取的車輛數 是由多到少進行計算的， 初始值設為20，這個值的選取是根據區域圖估算的。
(2)預分區的優點在於使警車的初始位置盡可能均勻地分散分布，警車的初始停靠點在一個分區的中心點附近尋找得到，比起在整個區域隨機生成停靠點，計算效率明顯得到提高。
預分配之後，需要對整個區域不斷地進行調整，調整時需要考慮調整方向和 調整概率。
警車調整借鑒的是模擬退火演算法的方法，為了使分區內包含道路節點數較多的分區的初始停車點調整的概率小些，而分區內包含道路節點數的少的分區內的初始停車點調整的概率大些，我們構造了一個調整概率函數 ,
（1）
（1）式中， 均為常數， 為整個區域車輛數， 為第 分區內覆蓋的節點數， 為時間，同時 也能表徵模擬退火的溫度變化情況：初始溫度較高，區域調整速度較快，隨著時間的增加，溫度不斷下降，區域調整速度逐漸變慢，這個調整速度變化也是比較符合實際情況的。
由式（1）可以得出調整概率函數 ，假設在相同的溫度 （時間）的條件下，由於總的車輛數目 是定值，當 時，即第 分區內的節點數大於第 分區的節點數時，分區 調整的概率大些，分區 的調整概率小些。分析其原因：當分區內包含了較多的節點個數時，該分區的警車初始停靠位置選取地比較合適了，而當分區內包含的道路節點數較少時，說明警車的初始停靠位置沒有選好，需要更大概率的調整，這樣的結論也是比較客觀的。
對於所有分區外未被覆蓋的道路節點和很多節點（稱之為節點群），用來調整警車位置遷移的方向，其分析示意圖如圖5所示。調整方案目標是使未被覆蓋的節點數盡量的少。在設計調整方向函數時，需要考慮：（1）節點群內節點的數目；（2）警車距離節點群的位置。優先考慮距離，所以在公式（2）中，用距離的平方來描述調整方向函數。
由於某一個區域范圍內的未被覆蓋節點數，整個區域未被覆蓋的節點總數，分區域與未被覆蓋的節點或節點群的距離等幾個因素會影響到調整的方案，所以要綜合考慮這些因素。於是設計了區間調整函數 ，
式中， 表示第 個分區內未被覆蓋的節點數， 表示第 分區域與未被覆蓋的節點或節點群的距離， 表示未被覆蓋的節點和節點群個數。
現在簡要分析第 分區按區間調整函數的調整方案，當某兩節點群 的節點數目相等，但是距離不等時，如 ，由區間調整公式可知，該區間向節點群 方向調整。當某個分區與兩個節點群的距離相等，但節點群的內節點個數不相等，如 時，由（4）可知，該分區域會想節點群 方向調整。
注意在整個調整過程中，調整幾率控制是否調整，調整方向函數控制調整的方向，尋找在這種調整方案下的最優結果。

圖5 調整分區域示意圖

（3）在step3中，使用Floyd演算法計算出警車初始停靠點到周邊各節點的最短距離 ,目的是當區域內有情況發生時，警車能在要求的時間限制內到達現場。
（4）為求出較優的警車停靠點，採用模擬退火演算法，算出局部最優的方案。
5.1.4 警車的配置和巡邏方案

使用MATLAB編程實現演算法1得到，整個區域配備13輛警車，這些警車靜止在初始停靠點時，能滿足D1要求。警車的初始停靠位置分別為道路交叉節點6，25，30，37，82，84，110，111，126，214，253，258，278處。每個警車所管轄的交叉點（原始的交叉節點）如圖6所示，求解的分區結果見附錄所示。
圖6 滿足D1條件下的區分劃分圖

13個分區共覆蓋了252個交叉點，另外的55個原始交叉點沒有被這些分區域覆蓋：137，138，151，159，167，168，170，174，175，186，188，189，211，215，226，242，255，260，261，262，263，267，270，271，272，275，282，283 ，284，287，288，289，292，296，297，299，304，305，307。在這種分區方案下，這些點中，每兩個相連的點間的道路離散值長度占整個區域總的長度的比值為 。因此，在整個區域配置13輛警車，每個警車在初始停靠點靜止不動，當有案件發生時，離案發現場最近的警車從初始停靠點趕到現場。

5.2 評價巡邏效果顯著的指標
110警車在街道上巡邏是目的是為了對違法犯罪分子起到震懾作用，降低犯罪率，又能夠增加市民的安全感，同時還加快了接處警（接受報警並趕往現場處理事件）時間，提高了反應時效，為社會和諧提供了有力的保障。巡警在城市繁華街道、公共場所執行巡邏任務, 維護治安, 服務群眾, 可以得良好的社會效應[1]。
在整個區域中，由於案發現場都在道路上，道路上的每一點都是等概率發生的，因此警車巡邏的面越廣，所巡邏的街道數目越多，警車的巡邏效果就越好，對違法犯罪分子就越有威懾力，警車也能更及時地處理案件。
我們採用全面性 來衡量巡邏的效果顯著性，即用警車巡邏所經過的街道節點數占區域總節點數的比值。當警車重復經過同一條街道同一個離散點時， 僅記錄一次。
（3）
式中， 表示警車經過的離散點數， 代表整個區域總的離散點數。 值越大，表明警車所經過的街道數目越多，所取得的效果越顯著。
同時考慮到在巡邏過程中可能會出現這樣的情況：在相同的時段內，警車會多次巡邏部分街道，而一些街道卻很少巡邏甚至沒有警車到達，這樣會造成一些巡邏盲區。分布很不均衡。這樣就可能出現巡邏密度大的街道上的違法犯罪分子不敢在街道上作案，而流竄到巡邏密度稀疏的街道上作案，因此在相同的警車數目條件下，密度不均衡的巡邏方式的巡邏效果的效果較差，而密度較均衡的巡邏方式所取得的巡邏效果會更好些。我們引入一個巡邏的不均勻度 來衡量巡邏效果的顯著性，考慮到方差能表示不均衡度，於是我們用方差的大小來表徵不均衡，方差越大，巡邏密度越不均衡，所取得的巡邏效果越差。
（4）

問題1所給出的滿足D1條件下的警車數目為13輛，這時每輛警車在初始停靠點靜止不動，只有該管轄區域內發生了案件時，警車才從初始停靠點趕到案發現場處理案件。當警車在巡邏狀態時，所需要考慮的問題就更復雜一些，如當節點運動時，警車還能否達到D1的要求，警車的運動方向如何等問題，但基本演算法思想與問題1類似，所得的演算法2的框圖如圖7所示，
為了簡化問題，我們假設各分區警車的巡邏時候，盡量保證所有的警車的行駛方向相一致，且警車都走雙行道，即當警車走到某個節點後，它們又同時返回初始停靠點，警車的行駛方向有四種方式，如6所示。
在圖6中，數字1代表走巡邏走的第一步，2表示朝1的巡邏方向相反的方向巡邏。在具體程序實現時，四種巡邏方向任意選擇，但是盡量保證所有的警車向同一個方向巡邏。

圖6 各警車巡邏方向圖

我們用MATLAB編程對這種巡邏方式進行計算，所得的車輛數目為18輛，綜合評價指標為 ，其結果巡邏方案見附件中的「1193402-Result3.txt」所示。

5.4 在滿足問題三的基礎上討論D3條件，警車的巡邏方案和評價指標
巡邏的隱蔽性體現在警車的巡邏路線和時間沒有明顯的規律，主要目的是讓違法犯罪分子無可乘之機，防止他們在非巡邏時間實施違法犯罪活動，危害人民的生命和財產安全。
為了使巡邏的規律具有隱蔽性，這就需要警車在巡邏時至少具有兩條不同的路線，時間最好也是不相同的。因此，考慮到隱蔽性時，只需要在問題2的基礎上加上一個隨機過程即可。對於其評價指標，由於警車有幾條可選的巡邏路線，當相同的路線在同一時間內重復出現時，重新將所設定的方案再執行一遍，我們用這個時間間隔來衡量隱蔽性的程度，當循環周期 越大，表明可選的巡邏方案越多，其規律就越具有隱蔽性，而循環周期 越小時，表明巡邏方案比較少，其隱蔽性較差。在巡邏狀態時，最差的隱蔽性巡邏方案是巡邏方案只有一個，並且時間固定，這樣的巡邏方案沒有任何隱蔽性可言。

5.5 整個區域為10輛車時的巡邏方案
由第三問的結果可知，10輛車的數量是不能把整個區域完全覆蓋的，其演算法與演算法2類似，不同的是此時車的數目已經固定了，要求使D1,D2盡量大的滿足，我們求得的評價指標值為 ，所得的巡邏方案見附件中的「1193402-Result5.txt」所示。

5.6 平均行駛速度提高到 時的巡邏方式和評價指標值
問題六的分析方法與具體實現與問題三一致，但是警車的接警後的平均速度由原來的 提高到 ，於是各分區的覆蓋范圍也增大了，將數值帶入問題3的演算法中求解， 計算得的指標值為 ，其巡邏方案見附件中的「1193402-Result6.txt」所示。

圖7 演算法2框圖

六 模型的分析和評價

在求解滿足D1的條件下，整個區域需要配備多少輛警車問題中，採用分區巡邏的思想，先分析能使各區管轄范圍達到最大值時的規律，由特殊到一般層層進行分析，邏輯嚴密，結果合理。
在求解區域和警車數目時，在初步設定警車停靠點位置的基礎上，用模擬退火演算法思路構造函數 來確定調整的概率大小，綜合考慮了影響區間調整的因素後構造了 函數來確定分區的調整方向，當分區按照這兩個調整函數進行調整時，各分區能管轄盡可能多的道路節點，所取得效果也比較理想。

參 考 文 獻
[1]中小城市警察巡邏勤務方式的探討，俞詳，江蘇公安專科學校學報，1998年第1期
[2]Matlab7.0從入門到精通，求是科技，人民郵電出版社；
[3]不確定車數的隨機車輛路徑問題模型及演算法，運懷立等，工業工程，第10卷第3期，2005年5月；
[4]隨機交通分配中的有效路徑的確定方法，李志純等，交通運輸系統工程與信息，第3卷第1期，2003年2月。

『玖』 匈牙利演算法三個人完成六項任務怎麼算

匈牙利演算法的步驟
1.
將關聯矩陣每一行減去本行的最小值,進入步驟二。
2.
將新的矩陣每一列減去本列的最小值,進入步驟三。
3.
用最少的行線和列線將新矩陣中的零全部穿起來,檢查目前是否為最優分配。如果行線和列線沒有將...
4.
將行線和列線沒有穿起來的元素中找到最小元素,將剩餘元素減去最小元素,對應行線