IND-kwf-第三周

匈牙利算法（KM算法）

在解决分配问题中，我们常选择匈牙利算法，他的原理是：如果代价矩阵的某一行或某一列同时加上或减去某个数，则这个新的代价矩阵的最优分配仍然是原代价矩阵的最优分配。

假设一共有N个人，要完成N个不同的任务，同时也知道每个人完成每个任务的代价，由此先用一个N×N的矩阵来表示代价矩阵

算法步骤：

1. 找出每一行最小的元素，接下来把每一行的元素都减去这个最小的元素，从而增加0元素的数量。

2. 同理，找出每一列最小的元素，按照上述做法，进一步增加0元素的数量。

3. 试分配，若可以，则结束，否则继续

4. 进一步进行矩阵操作增加0元素，直到最终可以分配。

匈牙利算法得到的最大匹配并不是唯一的，预设匹配边、或者匹配顺序不同等，都可能会导致有多种最大匹配情况，所以有一种替代KM算法的想法是，我们只需要用匈牙利算法找到所有的最大匹配，比较每个最大匹配的权重，再选出最大权重的最优匹配即可得到更贴近真实情况的匹配结果。但这种方法时间复杂度较高，会随着目标数越来越多，消耗的时间大大增加，实际使用中并不推荐。

代码实现：

在python中，sklearn里的linear_assignment()函数以及scipy里的linear_sum_assignment()函数都实现了匈牙利算法，两者的返回值的形式不同：