mindspore.scipy.optimize.linear_sum_assignment

mindspore.scipy.optimize.linear_sum_assignment(cost_matrix, maximize, dimension_limit=Tensor(sys.maxsize))[源代码]

解决线性和分配问题(指派问题)。

指派问题如下表示:

\[min\sum_{i}^{} \sum_{j}^{} C_{i,j} X_{i,j}\]

其中, \(C\) 表示代价矩阵, \(X_{i,j} = 1\) 表示列 \(j\) 被指派给了行 \(i\)

参数:
  • cost_matrix (Tensor) - 二维代价矩阵。其shape为 \((M, N)\)

  • maximize (bool) - 为True则计算最大权值匹配,否则计算最小权值匹配。

  • dimension_limit (Tensor,可选) - 用来限制 cost_matrix 第二维的实际大小。默认值: Tensor(sys.maxsize) ,表示没有限制。类型为零维int64类型Tensor。

返回:

row_idxcol_idx 组成的tuple。

  • row_idx (Tensor) - 指派问题的行索引。如果指定了 dimension_limit ,用-1在结尾补齐。其shape为 \((N, )\) , 其中 \(N\)cost_matrix 维度较小值。

  • col_idx (Tensor) - 指派问题的列索引。如果指定了 dimension_limit ,用-1在结尾补齐。其shape为 \((N, )\) , 其中 \(N\)cost_matrix 维度较小值。

异常:
  • TypeError - 如果 cost_matrix 数据类型不是float16、float32、float64、int8、int16、int32、int64、uint8、uint16、uint32、uint64、bool之一。

  • TypeError - 如果 maximize 的类型不是bool。

  • TypeError - 如果 dimension_limit 的数据类型不是int64。

  • ValueError - 如果 cost_matrix 维度不为2。

支持平台:

Ascend CPU

样例:

>>> import mindspore as ms
>>> import numpy as np
>>> from mindspore import Tensor
>>> import mindspore.scipy.optimize.linear_sum_assignment as lsap
>>> cost_matrix = Tensor(np.array([[2, 3, 3], [3, 2, 3], [3, 3, 2]])).astype(ms.float64)
>>> dimension_limit = Tensor(2)
>>> maximize = False
>>> a, b = lsap(cost_matrix, maximize, dimension_limit)
>>> print(a)
[0 1 -1]
>>> print(b)
[0 1 -1]
>>> a, b = lsap(cost_matrix, maximize)
>>> print(a)
[0 1 2]
>>> print(b)
[0 1 2]