如何并行化贪婪分配问题

如何解决如何并行化贪婪分配问题

我有一个大的 2D 成本 矩阵：500K x 500K，我想解决分配问题。除了匈牙利算法，我想使用下面的贪心算法来减少时间：

# H1,H2 in range(500K)
for n1 in H1:
    best = -1
    for n2 in H2:
        if cost[n1,n2] > best and n2 not in matched:
            aligned[n1]=n2
            best = cost[n1,n2]
    matched.append(aligned[n1])

使用一个内核将需要很长时间（对于 5Kx5K，单线程需要 40 分钟）。我想我们不能并行化嵌套循环，因为我们需要 best 变量。对？ 我尝试将此代码并行化，但它给了我很多重复的列。

from joblib import Parallel,delayed
import multiprocessing

inputs = range(500000)
def processInput(i):
    row = cost[i,:]
    # cost[row,col[0][0]] = 10e5 ### not possible as read-only in multiprocessing
    return i,col


num_cores = multiprocessing.cpu_count()
row_col = Parallel(n_jobs=num_cores)(delayed(processInput)(i) for i in inputs)

有什么建议可以更快地运行贪婪算法（我的并行解决方案不起作用）？