利用make_cost_matrix()函数创建Munkres算法所需的成本矩阵的方法

要使用Munkres算法，我们需要创建一个成本矩阵，其中包含每个任务对应的成本。可以使用python中的make_cost_matrix()函数来创建成本矩阵。

make_cost_matrix()函数的基本语法如下：

make_cost_matrix(cost_matrix, cost_of_vacant=None, small_score=float('inf'))

参数说明：

- cost_matrix：一个二维列表，表示每个任务之间的成本。列表的行表示工人，列表的列表示任务，每个元素表示对应任务的成本。

- cost_of_vacant：一个值，表示如果将任务留空的成本。默认值为None，表示没有留空成本。

- small_score：一个小的成本值，默认为无穷大。当使用最小化函数时，这个值将用作初始化的激励值。

对于每个任务，如果可以由工人执行，则在成本矩阵中指定一个正数值。如果任务不能被执行，则在成本矩阵中指定一个负数值。如果任务可以留空，则指定cost_of_vacant的值。

让我们通过一个例子来说明如何使用make_cost_matrix()函数。

假设我们有3名工人和3个任务，我们想要找到一种分配方式，使得总成本最小化。每个工人可以执行所有任务，我们有以下成本矩阵：

cost_matrix = [[3, 1, 2],

               [5, 2, 1],

               [4, 6, 4]]

在这个例子中，我们可以使用make_cost_matrix()函数创建该成本矩阵。代码如下：

from munkres import make_cost_matrix

cost_matrix = [[3, 1, 2],

               [5, 2, 1],

               [4, 6, 4]]

cost_matrix = make_cost_matrix(cost_matrix)

这样就创建了一个Munkres算法所需的成本矩阵。

我们可以使用Hungarian类中的compute()方法来计算最优分配。

让我们继续使用上面的例子来演示如何使用Munkres算法。

from munkres import Munkres, make_cost_matrix

cost_matrix = [[3, 1, 2],

               [5, 2, 1],

               [4, 6, 4]]

cost_matrix = make_cost_matrix(cost_matrix)

m = Munkres()

indexes = m.compute(cost_matrix)

for row, column in indexes:

    print(f"工人 {row+1} 被分配执行任务 {column+1}")

输出结果为：

工人 1 被分配执行任务 1

工人 2 被分配执行任务 3

工人 3 被分配执行任务 2

这表示工人1被分配执行任务1，工人2被分配执行任务3，工人3被分配执行任务2。这是一种使总成本最小化的最优分配方式。

总结：

使用make_cost_matrix()函数可以创建一个适用于Munkres算法的成本矩阵。然后，通过使用Munkres类的compute()方法，可以得到一个最优的任务分配。这在许多应用中都非常有用，例如任务调度，指派问题等。