当我如图所示尝试使用scipy.optimize.linear_sum_assignment时，它给出了总成本为15的分配向量[0 2 3 1]。
然而，从成本矩阵c中，您可以看到，对于第二个任务，第五个代理的成本为1。因此，预期的分配应该是[0 3 None 2 1](9的总成本(
为什么linear_sum_assignment没有返回最佳分配？
from scipy.optimize import linear_sum_assignment
c = [
[1, 5, 9, 5],
[5, 8, 3, 2],
[3, 2, 6, 8],
[7, 3, 5, 4],
[2, 1, 9, 9],
]
results = linear_sum_assignment(c)
print(results[1]) # [0 2 3 1]
linear_sum_assignment返回一个由两个数组组成的元组。这些是指定值的行索引和列索引。例如(c转换为numpy数组(：
In [51]: c
Out[51]:
array([[1, 5, 9, 5],
[5, 8, 3, 2],
[3, 2, 6, 8],
[7, 3, 5, 4],
[2, 1, 9, 9]])
In [52]: row, col = linear_sum_assignment(c)
In [53]: row
Out[53]: array([0, 1, 3, 4])
In [54]: col
Out[54]: array([0, 2, 3, 1])
来自row和col的相应索引对给出所选择的条目。也就是说，所选择的条目的索引是(0，0(、(1，2(、(3，3(和(4，1(。正是这些对是"；分配"；。
与此分配相关的总和为9:
In [55]: c[row, col].sum()
Out[55]: 9
在问题的原始版本中(但经过编辑(，看起来您想知道每列的行索引，所以您期望[0，4，1，3]。您想要的值在row中，但顺序不是您所期望的，因为col中的索引不仅仅是[0，1，2，3]。要获得预期形式的结果，必须根据col中索引的顺序对row中的值进行重新排序。这里有两种方法。
第一：
In [56]: result = np.zeros(4, dtype=int)
In [57]: result[col] = row
In [58]: result
Out[58]: array([0, 4, 1, 3])
第二：
In [59]: result = row[np.argsort(col)]
In [60]: result
Out[60]: array([0, 4, 1, 3])
请注意，linear_sum_assignment文档字符串中的示例可能具有误导性；因为它在python会话中只显示col_ind，所以给人的印象是col_ind是"；答案"；。但是，通常情况下，答案涉及两个返回的数组。