指派问题也是0-1规划,线性规划用的也是scipy.optimize的库函数,查看scipy.optimize官网linear_sum_assignment。
示例:
开销矩阵
[
4
1
3
2
0
5
3
2
2
]
\begin{bmatrix} 4 & 1 & 3\\ 2 & 0 & 5\\ 3 & 2 & 2 \end{bmatrix}
⎣⎡423102352⎦⎤
选每行最小开销并求和,第一行[4 1 3]就选第二列的1,第二行[2 0 5]就选第一列的2,第三行[3 2 2]就选第三列的2,那么开销的和就是5。
上代码:
from scipy.optimize import linear_sum_assignment
cost =np.array([[4,1,3],[2,0,5],[3,2,2]])
row_ind,col_ind=linear_sum_assignment(cost)
print(row_ind)#开销矩阵对应的行索引
print(col_ind)#对应行索引的最优指派的列索引
print(cost[row_ind,col_ind])#提取每个行索引的最优指派列索引所在的元素,形成数组
print(cost[row_ind,col_ind].sum())#数组求和
输出:
[0 1 2]
[1 0 2]
[1 2 2]
5