美文网首页
动态规划独立任务最优调度

动态规划独立任务最优调度

作者: Super_邓帅 | 来源:发表于2017-01-03 15:47 被阅读0次


用两台处理机A和B处理n个作业。设第i个作业交给A处理需要时间ai,交给B处理需要时间bi。由于各作业的特点和机器的性能关系,ai和bi之间没有明确的大小关系。既不能将一个作业分开由2台机器处理,也没有一台机器能同时处理2个作业。设计一个动态规划算法,使得这两台机器处理完这n个作业的时间最短。
测试用例:
6(任务数目)
2 5 7 10 5 2(机器A处理这些任务的时间)
3 8 4 11 3 4(机器B处理这些任务的时间)
输出:15

分析:

自己在实际写程序的过程中,写了两种方法。但两种方法思想都大同小异。只不过一个二维数组,一个一维数组。

用二维数组解决:

参考- 独立任务最优调度
先给一个比较容易理解的状态转移方程:
  用布尔量p(i,j,k)表示前k个任务可由A机在i时间内且B机在j时间内完成。易得:p(i,j,k) = p(i-ak, j, k-1) | p(i, j-bk, k-1).最优结果为p(i,j,n) = true 且 min(max(i, j))。这样表示有两个缺点:一是空间开销大,二是时间花销多。
  那么, 为什么要先取大再取小呢??


  今天上计算机安全学的时候一直在想怎么样把复杂度压缩下来。突破口当然还是i,j下标这个地方,p(i,j,k)表示前k个任务可由A机在i时间内且B机在j时间内完成,如果将其改为int类型,记录的是另一个数组的完成时间,这样就可以降到二维。假设第一维i保留,我们可以用p(i,k)表示前k个任务可由A在i时间内且B在p(i,k)时间内完成。
  递推方程也容易修改了:第k个任务是由第k-1个任务推出来的,那么第k个任务可由A或B机完成:(第k个任务如果在A上运行,那么A的总的运行时间会增加,但B的时间不变;反之,同理。)
  如果由A机完成,则有:p(i, k) = p(i - ak, k - 1) (B机时间不变)
  如果由B机完成,则有:p(i, k) = p(i, k - 1) + bk (A机时间不变)
  综上分析可得p(i, k) = min( p(i, k – 1) + bk, p(i – ak, k – 1) ). 复杂度为O(n * sigm(ai))。
//用二维数组p表示过程量
#include<stdio.h>
#define n 6         //6个作业
#define MAXTIME 500
int a[n+1]={0,2,5,7,10,5,2};
int b[n+1]={0,3,8,4,11,3,4};
int minTime=10000;
int sa=0;
int p[MAXTIME][n+1]={0};

int main(){
    for(int k=1;k<=n;k++){  //代表作业
        sa+=a[k];       //假设都在A上运行,得出时间和sa(数组打底)

        for(int i=0;i<=sa;i++){
            p[i][k]=p[i][k-1]+b[k];
            if(i>=a[k]){             //当前时间是否满足其在机器a上运行
                p[i][k]=p[i][k]<p[i-a[k]][k-1]?p[i][k]:p[i-a[k]][k-1];
            }
        }
    }
    for(int i=0;i<=sa;i++){         //遍历p数组,p[i][n]的值是n个作
        int t=(p[i][n]>i?p[i][n]:i);//业在B上运行时间,i意思是n个作业在A上运行时间
        if(minTime>t)               
            minTime=t;
    }
                
    printf("%d\n",minTime);
    return 0;
}

用一维数组解决:

思路跟上面的程序相同,只不过p为一位数组,p[i]=j表示所有作业在A上i时间内运行完,在B上j时间内运行完。

//用一位数组p表示过程量
#include<stdio.h>
#include<string.h>
#define n 6         //6个作业
int a[n]={2,5,7,10,5,2};
int b[n]={3,8,4,11,3,4};
int minTime=10000;
int sa=0,sb=0,max=0;

int main(){
    for(int i=0;i<n;i++){
        sa+=a[i];
        sb+=b[i];
    }
    max=sa>sb?sa:sb;

    int p[max+1];
    memset(p,0,sizeof(p));

    for(int k=0;k<n;k++){
        for(int i=max;i>=0;i--){
            p[i]=p[i]+b[k];
            if(i>a[k]){
                p[i]=p[i]<p[i-a[k]]?p[i]:p[i-a[k]];
            }
        }
    }
    
    for(int i=0;i<=max;i++){
        int t=p[i]>i?p[i]:i;
        if(minTime>t)
            minTime=t;
    }
                
    printf("%d\n",minTime);
    return 0;
}
运行截图

相关文章

  • 动态规划独立任务最优调度

    用两台处理机A和B处理n个作业。设第i个作业交给A处理需要时间ai,交给B处理需要时间bi。由于各作业的特点和机器...

  • 算法学习收藏

    动态规划问题 动态规划(最优子结构和重叠子问题的比较) 动态规划解决01背包问题 01背包问题 最优二叉查找树 《...

  • LeetCode笔记--动态规划

    动态规划 最优子结构:问题的最优解由相关子问题的最优解组合而成,而这些子问题可以独立求解。即一个问题的最优解包含其...

  • LeetCode基础算法-动态规划

    LeetCode基础算法-动态规划 LeetCode 动态规划 动态规划的核心步骤: 查看大问题的最优解能否使用小...

  • 算法笔记(二)-动态规划问题

    引言:动态规划介绍 什么时候可以使用动态规划:求最优解问题的时候动态规划的两个主要问题:最优子结构和重叠子问题,一...

  • 动态规划:最长公共子序列

    动态规划 步骤 描述最优解的结构 递归定义最优解的值 按自底向上的方式计算最优解的值 //此3步构成动态规划解...

  • 2020-07-26 动态规划法(From GitChat)

    动态规划 动态规划(Dynamic Programming)是解决多阶段决策问题常用的最优化理论,动态规划和分治法...

  • 动态规划算法详解

    动态规划的介绍 动态规划一般也只能应用于有最优子结构的问题。最优子结构的意思是局部最优解能决定全局最优解(对有些问...

  • 动态规划总结

    动态规划 通过子问题递推求解最优的方法, 动态规划常常适用于有重叠子问题和最优子结构性质的问题 。 解题思路 动态...

  • 动态规划 - 钢条切割

    动态规划 动态规划方法通常用来求解最优化问题,这类问题可以有很多可行解,每个解都有值,我们希望寻找具有最优值(最小...

网友评论

      本文标题:动态规划独立任务最优调度

      本文链接:https://www.haomeiwen.com/subject/mmcnvttx.html