python --- 二分图匈牙利算法和KM算法

2024-06-19 09:32

本文主要是介绍python --- 二分图匈牙利算法和KM算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

基础概念

关于匈牙利算法的基础概念就不作具体描述了,不清楚的可以自己搜索相关知识
主要需要了解的知识点

  • 二分图
  • 匹配:最大匹配,完美匹配
  • 路径:交错路径,增广路径

算法核心:通过不断寻找增广路径找到最大匹配的道路

算法实现

1. 使用线性规划库scipy

默认取最小组合,设置maximize为True时取最大组合

import numpy as np
from scipy.optimize import linear_sum_assignmenta = np.array([[84, 65, 3, 34], [65, 56, 23, 35], [63, 18, 35, 12]])
row, col = linear_sum_assignment(a)
print("行坐标:", row, "列坐标:", col, "最小组合:", a[row, col])
row, col = linear_sum_assignment(a, True)	
print("行坐标:", row, "列坐标:", col, "最大组合:", a[row, col])

输出

行坐标: [0 1 2] 列坐标: [2 3 1] 最小组合: [ 3 35 18]
行坐标: [0 1 2] 列坐标: [0 1 2] 最大组合: [84 56 35]
2. 使用munkres库

源码:https://github.com/bmc/munkres
文档:http://software.clapper.org/munkres/

目前该库已经可以使用pip install munkres安装

默认是取最小组合,需要取最大组合则使用make_cost_matrix转换数据矩阵

import numpy as np
from munkres import Munkres, make_cost_matrix, DISALLOWEDa = np.array([[84, 65, 3, 34], [65, 56, 23, 35], [63, 18, 35, 12]])
b = make_cost_matrix(a, lambda cost: (a.max() - cost) if (cost != DISALLOWED) else DISALLOWED)mk = Munkres()
# 最小组合
indexes = mk.compute(a.copy()) # 会改变输入的源数据
print("最小组合:",indexes, a[[i[0] for i in indexes], [i[1] for i in indexes]])
# 最大组合
indexes = mk.compute(b)
print("最大组合:", indexes, a[[i[0] for i in indexes], [i[1] for i in indexes]])

输出

最小组合:[(0, 2), (1, 3), (2, 1)] [ 3 35 18]
最大组合:[(0, 0), (1, 1), (2, 2)] [84 56 35]

注意使用np.array输入,mk.compute会改变输入的源数据

3. KM算法python实现

基本思想:通过引入顶标,将最优权值匹配转化为最大匹配问题
参考:
https://blog.csdn.net/u010510549/article/details/91350549
https://www.cnblogs.com/fzl194/p/8848061.html

实现了矩阵的自动补0和最大最小组合计算

import numpy as npclass KM:def __init__(self):self.matrix = Noneself.max_weight = 0self.row, self.col = 0, 0  # 源数据行列self.size = 0   # 方阵大小self.lx = None  # 左侧权值self.ly = None  # 右侧权值self.match = None   # 匹配结果self.slack = None   # 边权和顶标最小的差值self.visx = None    # 左侧是否加入增广路self.visy = None    # 右侧是否加入增广路# 调整数据def pad_matrix(self, min):if min:max = self.matrix.max() + 1self.matrix = max-self.matrixif self.row > self.col:   # 行大于列,添加列self.matrix = np.c_[self.matrix, np.array([[0] * (self.row - self.col)] * self.row)]elif self.col > self.row:  # 列大于行,添加行self.matrix = np.r_[self.matrix, np.array([[0] * self.col] * (self.col - self.row))]def reset_slack(self):self.slack.fill(self.max_weight + 1)def reset_vis(self):self.visx.fill(False)self.visy.fill(False)def find_path(self, x):self.visx[x] = Truefor y in range(self.size):if self.visy[y]:continuetmp_delta = self.lx[x] + self.ly[y] - self.matrix[x][y]if tmp_delta == 0:self.visy[y] = Trueif self.match[y] == -1 or self.find_path(self.match[y]):self.match[y] = xreturn Trueelif self.slack[y] > tmp_delta:self.slack[y] = tmp_deltareturn Falsedef km_cal(self):for x in range(self.size):self.reset_slack()while True:self.reset_vis()if self.find_path(x):breakelse:  # update slackdelta = self.slack[~self.visy].min()self.lx[self.visx] -= deltaself.ly[self.visy] += deltaself.slack[~self.visy] -= deltadef compute(self, datas, min=False):""":param datas: 权值矩阵:param min: 是否取最小组合,默认最大组合:return: 输出行对应的结果位置"""self.matrix = np.array(datas) if not isinstance(datas, np.ndarray) else datasself.max_weight = self.matrix.sum()self.row, self.col = self.matrix.shape  # 源数据行列self.size = max(self.row, self.col)self.pad_matrix(min)print(self.matrix)self.lx = self.matrix.max(1)self.ly = np.array([0] * self.size, dtype=int)self.match = np.array([-1] * self.size, dtype=int)self.slack = np.array([0] * self.size, dtype=int)self.visx = np.array([False] * self.size, dtype=bool)self.visy = np.array([False] * self.size, dtype=bool)self.km_cal()match = [i[0] for i in sorted(enumerate(self.match), key=lambda x: x[1])]result = []for i in range(self.row):result.append((i, match[i] if match[i] < self.col else -1))  # 没有对应的值给-1return resultif __name__ == '__main__':a = np.array([[84, 65, 3, 34], [65, 56, 23, 35], [63, 18, 35, 12]])# a = np.array([[84, 65], [3, 34], [63, 18], [35, 12]])km = KM()min_ = km.compute(a.copy(), True)print("最小组合:", min_, a[[i[0] for i in min_], [i[1] for i in min_]])max_ = km.compute(a.copy())print("最大组合:", max_, a[[i[0] for i in max_], [i[1] for i in max_]])

输出:

最小组合: [(0, 2), (1, 3), (2, 1)] [ 3 35 18]
最大组合: [(0, 0), (1, 1), (2, 2)] [84 56 35]

这篇关于python --- 二分图匈牙利算法和KM算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1074650

相关文章

Python将博客内容html导出为Markdown格式

《Python将博客内容html导出为Markdown格式》Python将博客内容html导出为Markdown格式,通过博客url地址抓取文章,分析并提取出文章标题和内容,将内容构建成html,再转... 目录一、为什么要搞?二、准备如何搞?三、说搞咱就搞!抓取文章提取内容构建html转存markdown

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专