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:
由 row_idx 和 col_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 \(N\) 为 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 \(N\) 为 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]