第四讲指派模型和匈牙利方法.docVIP

第四讲 指派模型及匈牙利方法 § 4.1 引言 将不同的任务分派给若干人去完成，由于任务有难易，人员素质有高低，因此各人去完成不同的任务的效率就有差异。我们的问题是：应分派何人去完成哪种任务使得总效率最高（或所花费的时间最少，或所需的费用最低）？这一类问题称为指派问题或分配问题。 指派问题的一般提法是：用最佳方法按照一对一的原则把“任务”指派给“人”。具体地就是：设有n个人A1，A2，…，An，被分派去完成n项工作B1，B2，…，Bn，要求每项工作需且仅需一个人去完成，每个人需完成且仅需完成一项工作。已知Ai完成Bj工作的效率（如工时、成本或价值等）为cij。问应如何指派，才能使总的工作效率最好？ 指派问题本质上是0—1规划问题。设Xij表示Ai完成Bj工作，并令 ， 则指派模型的标准形式为 由cij组成的方阵C = (cij)n?n称为效率矩阵。只要效率矩阵C给定，指派问题也就相应确定。 若为指派模型的最优解，则n阶方阵X = () 称为指派模型的最优解方阵。事实上，方阵X为一置换方阵，即该矩阵中的每一行、每一列只有一个“1”。显然，指派问题是运输问题的特例。 § 4.2 匈牙利方法 除了求解0—1规划外，解决指派问题还有其特殊的方法，它是由匈牙利数学家柯尼格（D. K?ngig）提出的，因此得名匈牙利方法（The Hungarian Method of Assignment）。 § 4.2.1 匈牙利方法的基本原理 求解指派模型的匈牙利方法基于下面的性质和概念。 性质4.2.1 若从效率矩阵C的任何一行（列）各元素中分别减去一个常数k（k可正，也可负）得到新矩阵B = (bij)n?n，则以B = (bij)n?n为效率矩阵的指派问题与原问题有相同的解，但其最优值比原问题的最优值小k。 性质4.2.2 若一方阵中的一部分元素为0，一部分元素为非0，则覆盖方阵内所有0元素的最少直线数恰好等于那些位于不同行、不同列的0元素的最多个数。 定义4.2.1 矩阵A = (aij)n?n的积和式（permutation）perA定义为 ， 其中 (i1, i2, …, in) 取遍 (1, 2, …, n) 的所有排列。 积和式是矩阵的一个重要参数，它的计算主要采用拉普拉斯定理，按某行（列）展开，直至2阶。 例4.2.1 = 1 ? (5 ? 9 + 6 ? 8) + 2 ? (4 ? 9 + 6 ? 7) +3 ? (4 ? 8 + 5 ? 7) = 450。 定义4.2.2 称矩阵D为矩阵C的补矩阵，若C = (cij)n?n，D = (dij)n?n满足 。 性质4.2.3 设C为指派模型的效率矩阵，D为C的补矩阵，覆盖C中0元素所需最少直线数为n的充分必要条件是perD ? 0。 性质4.2.4 指派模型最优解的个数等于perD。 § 4.2.2 匈牙利方法的主要步骤 匈牙利算法的主要步骤为： 第一步：变换指派问题的效率矩阵C，使在各行各列都出现零元素，得到新的效率矩阵B = (bij)n?n。 (1) 从系数矩阵的每行元素减去该行的最小元素； (2) 再从所得系数矩阵的每列减去该列的最小元素。 第二步：进行试指派。 (1) 检查B的每行、每列，从中找出“0”元素最少的一排（行或列）。从这排中圈出一个“0”元素（如果该排存在多个“0”元素，则任圈一个），用“?”表示，然后划去“?”所在的行和列。在剩下的子矩阵中重复上述过程，直至剩下的子矩阵中没有“0”元素为止，得到的矩阵记为D。将D中“?”所在的位置赋值“1”，其余位置赋值“0”，得到0—1矩阵E； (2) 如果E中含有n个元素“1”（它们一定既不在同一行也不在同一列上），则矩阵E就是原指派问题的最优解矩阵，算法停止；否则，继续第三步。 第三步：作最小能覆盖所有零元素的直线集合。为此，按如下步骤对矩阵D进行操作： (1) 对没有“?”的行打? 号； (2) 对已打? 号的行上的所有“0”元素所在的列打? 号； (3) 再对已打? 号的列上有“?”的行打? 号； (4) 重复 (2)，(3) 直到得不出新的打? 号的行列为止； 对没有打? 号的行划横线，所有打? 号的列划纵线，这就是能覆盖所有零元素的最小直线集合。 第四步：进行调整。 在没有被直线覆盖的部分元素中找出最小元素，对没有画直线的行的各元素都减去这最小元素。对已画直线的列的各元素都加上这最小元素，得到的新的效率矩阵仍记为B。转第二步。 例4.2.1 求解效率矩阵C所表示的指派问题，其中。 解 按第一、二步进行，有 此时，在不同列的“?”只有4个，而n = 5，继续下一步。 首先对第5行打? 号，再对第1列打? 号，再对第3行打? 号，最后对第1，2，4行画横线，对第1列画纵线： 进行第四步： 已求得的“