最大加权匹配问题求解算法：匈牙利算法、KM算法、最小费用最大流算法和Edmonds算法

最大加权匹配问题是指在一个带权重的二分图中，找到一种匹配方式，使得所有边的权重之和最大化的问题。

以下是几种常见的求解算法：

匈牙利算法（Hungarian Algorithm）：匈牙利算法是一种经典的解决最大二分图匹配问题的算法。它通过不断增广匹配来不断扩大匹配的规模，直到无法再增广为止。匈牙利算法的时间复杂度为O(V^3)，其中V为图中的顶点数。
KM算法（Kuhn-Munkres Algorithm）：KM算法是一种基于匈牙利算法的优化算法，也被称为匈牙利算法的二分图版本。KM算法通过对图的顶标进行调整，来优化匹配的权重。它的时间复杂度为O(V^3)，其中V为图中的顶点数。
最小费用最大流算法（Minimum Cost Maximum Flow Algorithm）：最小费用最大流算法是一种使用最大流算法来解决最大加权匹配问题的方法。该算法将原问题转化为一个有源点和汇点的网络流问题，并通过不断调整流量和费用来求解最优解。最小费用最大流算法的时间复杂度为O(V^3 * E)，其中V为图中的顶点数，E为图中的边数。
Edmonds算法（Edmonds' Blossom Algorithm）：Edmonds算法是一种基于花树（blossom）的算法，用于解决最大加权匹配问题。该算法通过不断寻找增广路径和收缩花树来求解最大匹配。Edmonds算法的时间复杂度为O(V^4)，其中V为图中的顶点数。

这些算法都可以用来求解最大加权匹配问题，选择哪种算法取决于问题的规模和特点。