Python cugraph.linear_assignment.hungarian用法及代碼示例

用法: cugraph.linear_assignment.hungarian(G, workers, epsilon=None)

針對對稱的加權二分圖執行匈牙利算法。

作為二分圖，圖的頂點集可以劃分為兩個不相交的集合，使得所有邊都將一個集合的頂點連接到另一個集合的頂點。工人變量標識一組頂點，另一組是不在工人集中的所有頂點(V - 工人)。

邊權重反映了將特定工作分配給工人的成本。

匈牙利算法識別出最低成本的頂點匹配，這樣所有可以分配工作的工人都被準確地分配到工作中。

參數：

G：cugraph.Graph: cuGraph 圖說明符，應包含連接信息作為邊列表。邊權重是必需的。如果未提供邊列表，則將對其進行計算。
workers：cudf.Series 或 cudf.DataFrame: 一個序列或列，用於標識工作集中頂點的頂點 ID。如果是multi-column 頂點，它應該是一個 cudf.DataFrame。 G 中所有不在工作集中的頂點都被隱式分配給工作集。
epsilon：float/double(匹配圖中的權重)，可選(默認=無): 用於確定值何時足夠接近零以考慮 0。在 C++ 代碼中默認(如果未指定)為 1e-6。不用於整數權重類型。

cost：匹配 cost.dtype

整體任務的成本

df：cudf.DataFrame

df[‘vertex’][i] 給出第 i 個頂點的頂點 ID。此列中僅定義工作人員列表中的頂點。

df[‘assignment’][i] 給出分配給相應頂點的“job” 的頂點id。

例子：

>>> # Download dataset from https://github.com/rapidsai/cugraph/datasets/..
>>> #  M = cudf.read_csv(datasets_path / 'bipartite.csv', delimiter=' ',
>>> #                   dtype=['int32', 'int32', 'float32'], header=None)
>>> # G = cugraph.Graph()
>>> # G.from_cudf_edgelist(M, source='0', destination='1', edge_attr='2')
>>> # cost, df = cugraph.hungarian(G, workers)

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cugraph.linear_assignment.hungarian。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：