lap.lapjv使用方法

最新推荐文章于 2024-08-15 10:00:48 发布

nothing_spc

最新推荐文章于 2024-08-15 10:00:48 发布

阅读量3.1k

点赞数 2

本文链接：https://blog.csdn.net/whathowwhyB/article/details/125186418

版权

矩阵算法线性代数

这篇博客介绍了如何利用lap.lapjv实现线性指派问题的Jonker-Volgenant算法，该算法效率高于匈牙利算法。示例中展示了一个4x3非方阵的指派矩阵，通过设置extend_cost=True适应非方阵，并设定cost_limit来控制指派阈值。输出包括最优指派成本、行分配数组x和列分配数组y。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

lap.lapjv实现线性指派问题

官方文档使用lapjv实现指派问题的算法是Jonker-Volgenant algorithm.这个算法比匈牙利算法快得多

示例

Matrix = np.matrix([[4, 5, 9],
                   [6, 2, 4],
                   [8, 3, 6],
                   [1, 2, 3]])  #一个4*3的非方阵
 
 #Matrix: 指派矩阵， extend_cost: False, 指派矩阵是否为方阵， cost_limit: float, 指派阈值
cost, x, y = lap.lapjv(Matrix, extend_cost=True, cost_limit=9))
cost: 8
x: array([-1,  2,  1,  0]) 
y: array([3, 2, 1]))

这里的输出cost是最优指派的代价，x为一个长度为 N行数的数组，指定每行分配给哪一列，y为长度为列数的数组，指定每列分配给哪一行。
注意到，我们输入的矩阵不是一个方阵，因此extend_cost为True，如果输入是一个非方阵，而extend_cost为False时会报错，cost_limit是当指派的值大于这个阈值时才会分配，否则放弃这个分配结果（-1）