wiki中的完全匹配概念：
完美匹配是指匹配图表也就是说，如果图的每个顶点都是入射到匹配的边缘。
因此，最小权重完全匹配是具有最小权重的组合之一。起初，我的想法是遵循贪婪算法(注意：我的图是完整的，每个顶点都有到其余顶点的边(：
从图中拾取一个顶点，并在每一步中找到其最近的相邻顶点，然后放下它们并循环，直到图中没有顶点为止。然而，除非计算n，否则它不是最优的！次数：
while odd_vert:
v = vertices.pop()
length = float("inf")
closest = 0
for u in odd_vert:
if graph[v][u]["weight"] < length:
length = graph[v][u]["weight"]
closest = u
graph_minimum_match.add_edge(v, closest, weight = length)
我在networkx中找到了一些函数，但它要求图是二分的：
nx.algorithms.bipartite.matching.minimum_weight_full_matching(G, top_nodes=None, weight='weight')
此外，找到最大权重匹配：
nx.algorithms.matching.max_weight_matching(G, maxcardinality=True)
然后，我搜索了一篇关于开花信仰传播的文章，但我不确定它是否能实现，所以有什么想法吗？
您可以将最小权重匹配减少为最大权重匹配
通过乘以-1或从最大权重中减去，可以反转图形中的所有边权重。然后，如果你能在这个变换图中找到一个最大完美匹配，那么这个匹配在你的原始图中是最小的。
nx.algorithms.matching.max_weight_matching具有参数maxcardinality，如果将其设置为True，则意味着仅在存在完全匹配的情况下才允许完全匹配。因此，您可以在转换后的图上调用networkx函数，并检查匹配是否确实完成。如果是，则此匹配就是您想要的结果。如果不是，那么就不可能完美匹配。
在一个顶点数为偶数的完备图中，完全匹配当然总是可能的。此外，如果变换后的图只有正权重(例如，通过使用基于减法的变换(，则最大权重图将始终具有最大基数。