「javakm算法」JAVA的算法
今天给各位分享javakm算法的知识，其中也会对JAVA的算法进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
本文目录一览：
求Java算法·
class Caculate {
int money;
Caculate(){
money = 10;
}
public int charge (int distance){
if (distance 3){
money = 10;
}
if ((distance = 3) distance 15)
{
money = money + 2*(distance-3);
}
if (distance 15 )
{
money = money + 2*12 + 3*(distance - 15);
}
return money;
}
public static void main(String args[]) {
System.out.println("请输入公里数");
int distance_example=0;
Scanner key = new Scanner(System.in);
int n = key.nextInt();
distance_example = n;
Caculate pay = new Caculate();
pay.money = pay.charge(distance_example);
System.out.println("You need to pay money:"+pay.money+" distance is:"+distance_example);
}
}
java中把米换算成公里的代码是什么？
public static double geo_distance(double lat1, double lng1, double lat2,
double lng2) {
// earth's mean radius in KM
double r = 6378.137;
lat1 = Math.toRadians(lat1);
lng1 = Math.toRadians(lng1);
lat2 = Math.toRadians(lat2);
lng2 = Math.toRadians(lng2);
double d1 = Math.abs(lat1 - lat2);
double d2 = Math.abs(lng1 - lng2);
double p = Math.pow(Math.sin(d1 / 2), 2) + Math.cos(lat1)
* Math.cos(lat2) * Math.pow(Math.sin(d2 / 2), 2);
double dis = r * 2 * Math.asin(Math.sqrt(p));
return dis;
}
public static double geo_distance(double lat1, double lng1, double lat2,
double lng2) {
// earth's mean radius in KM
double r = 6378.137;
lat1 = Math.toRadians(lat1);
lng1 = Math.toRadians(lng1);
lat2 = Math.toRadians(lat2);
lng2 = Math.toRadians(lng2);
double d1 = Math.abs(lat1 - lat2);
double d2 = Math.abs(lng1 - lng2);
double p = Math.pow(Math.sin(d1 / 2), 2) + Math.cos(lat1)
* Math.cos(lat2) * Math.pow(Math.sin(d2 / 2), 2);
double dis = r * 2 * Math.asin(Math.sqrt(p));
return dis;
}
KM算法的解决思路
该算法是通过给每个顶点一个标号（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[ i ]，顶点Yj的顶标为B[ j ]，顶点Xi与Yj之间的边权为w[i,j]。在算法执行过程中的任一时刻，对于任一条边(i,j)，A[ i ]+B[j]=w[i,j]始终成立。
KM算法的正确性基于以下定理：
若由二分图中所有满足A[ i ]+B[j]=w[i,j]的边(i,j)构成的子图（称做相等子图）有完备匹配，那么这个完备匹配就是二分图的最大权匹配。
首先解释下什么是完备匹配，所谓的完备匹配就是在二部图中，X点集中的所有点都有对应的匹配且Y点集中所有的点都有对应的匹配，则称该匹配为完备匹配。
这个定理是显然的。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有顶点的顶标和；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。所以相等子图的完备匹配一定是二分图的最大权匹配。
初始时为了使A[ i ]+B[j]=w[i,j]恒成立，令A[ i ]为所有与顶点Xi关联的边的最大权，B[j]=0。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顶点。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：
1）两端都在交错树中的边(i,j)，A[ i ]+B[j]的值没有变化。也就是说，它原来属于相等子图，现在仍属于相等子图。
2）两端都不在交错树中的边(i,j)，A[ i ]和B[j]都没有变化。也就是说，它原来属于（或不属于）相等子图，现在仍属于（或不属于）相等子图。
3）X端不在交错树中，Y端在交错树中的边(i,j)，它的A[ i ]+B[j]的值有所增大。它原来不属于相等子图，现在仍不属于相等子图。
4）X端在交错树中，Y端不在交错树中的边(i,j)，它的A[ i ]+B[j]的值有所减小。也就说，它原来不属于相等子图，现在可能进入了相等子图，因而使相等子图得到了扩大。
5)到最后，X端每个点至少有一条线连着，Y端每个点有一条线连着，说明最后补充完的相等子图一定有完备匹配。（若由二分图中所有满足A[ i ]+B[j]=w[i,j]的边(i,j)构成的子图（称做相等子图）有完备匹配，那么这个完备匹配就是二分图的最大权匹配。）
现在的问题就是求d值了。为了使A[ i ]+B[j]=w[i,j]始终成立，且至少有一条边进入相等子图，d应该等于：
Min{A[ i ]+B[j]-w[i,j] | Xi在交错树中，Yi不在交错树中}。 以上就是KM算法的基本思路。但是朴素的实现方法，时间复杂度为O(n^4)——需要找O(n)次增广路，每次增广最多需要修改O(n)次顶标，每次修改顶标时由于要枚举边来求d值，复杂度为O(n^2)。实际上KM算法的复杂度是可以做到O(n^3)的。我们给每个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[ i ]+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，要把所有的不在交错树中的Y顶点的slack值都减去d。
Kuhn－Munkras算法流程：
(1)初始化可行顶标的值；
(2)用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(2)(3)直到找到相等子图的完备匹配为止； const int maxn=20,INF=2147483647;int w[maxn][maxn];int lx[maxn]={0},ly[maxn]={0};//顶标intl inky[maxn];int visx[maxn],visy[maxn];int lack;bool find(intx){visx[x]=true;for(inty=0;ymaxn;y++){if(visy[y])continue;int t=lx[x]+ly[y]-w[x][y];if(t==0){visy[y]=true;if(linky[y]==-1||find(linky[y])){linky[y]=x;return true;}}else if(lackt)lack=t;}return false;}void KM(){memset(linky,-1,sizeof(linky));for(inti=0;imaxn;i++)for(intj=0;jmaxn;j++)if(w[i][j]lx[i])lx[i]=w[i][j];//初始化顶标for(intx=0;xmaxn;x++){for(;;){memset(visx,0,sizeof(visx));memset(visy,0,sizeof(visy));lack=INF;if(find(x))break;for(inti=0;imaxn;i++){if(visx[i])lx[i]-=lack;if(visy[i])ly[i]+=lack;}}}}KM算法和最大匹配（匈牙利算法）
2010.7.18
匈牙利算法的分析与运用：
匈牙利算法的精髓在于USED哈希数组的使用，下面是匈牙利算法的主要模块： function find(x:longint):boolean;varkkk,i,j:longint;beginforj:=1 to m do if(line[x,j])and(not used[j])thenbeginused[j]:=true;if(mm[j]=0)or(find(mm[j]))then beginmm[j]:=x;exit(true);end;end;exit(false);end;在原程序进行调用是也就是简简单单的一句话：
for i:=1 to n do begin fillchar(used,sizeof(used),0); if find(i) then inc(all); end;
关于javakm算法和JAVA的算法的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。