根据iehrlich的评论（谢谢顺便说一句），术语＆＃34;日程安排＆＃34;可能会产生误导，这可能是一个更恰当的描述：给定一个矩阵N * N，找到一个行排列，它将产生最大的对角线和。
我有一组N个作业和N个处理器。所有处理器可以彼此不同。对于每个（作业，处理器）对，我在该处理器上运行该作业的性能。性能以IPC（每周期指令）测量。
我试图找到一个最大化IPC总和的时间表（1对1分配）。我可以通过查看所有可能的时间表来完成，使用O（N！），这是不可行的。
然后我尝试使用＆＃34;稳定匹配＆＃34;算法O（N ^ 2），使用IPC对工作负载进行排序＆＃39;和处理器＆＃39;喜好。它运行速度非常快，并且返回了一个不错的时间表，但不是最佳的。
我的问题是：
1）我真的希望稳定匹配算法能够返回最佳分配。有人能解释为什么会失败吗？到目前为止，我最好的猜测是不同（工作，处理器）对之间存在联系。我也尝试了与冷漠的稳定匹配＆＃34;没有运气的算法。 我应该提一下，算法并没有因为我的实现而失败。我正在寻找一个更理论的答案，为什么算法本身无法解决这个问题。
2）你知道我可以使用的算法吗？甚至还存在吗？
答案 0 :(得分：2)
稳定匹配是错误的算法的原因是你可以找到匹配的地方，其中一对处理器每个人都喜欢彼此的工作，但其中一个工作更喜欢它所在的处理器。切换会让人变得更糟，所以这种匹配是稳定的。
然而，在您的问题中，我们关心的是全球最优。如果一项工作的改进超过了另一项工作的改善程度，那么您需要切换。对于全局最优，稳定匹配是必要的，但还不够。
匈牙利算法实际上是找到全局最优解的正确算法。