问题描述
给定 n 个作业的集合 j = {j1, j2, ..., jn}。每一个作业 j[i] 都有两项任务分别在两台机器上完成。每一个作业必须先由机器1
处理,然后由机器2处理。作业 j[i] 需要机器 j 的处理时间为
t[j][i] ,其中i = 1, 2, ..., n, j = 1, 2。对于一个确定的作业
调度,设F[j][i]是作业 i 在机器 j 上的完成处理的时间。所有作
业在机器2上完成处理的时间之和 f = sigma F[2][i] 称为该作业
调度的完成时间之和。
给定 n 个作业的集合 j = {j1, j2, ..., jn}。每一个作业 j[i]
批处理作业调度问题要求对于给定的 n 个作业,制定最佳作业调度方案,使其完成时间和达到最小。
/*该代码采用了回溯法解决最优调度问题。
* 算法思想:对于有n个不同的任务,搜索出其最佳排列,属于一棵排列树搜索问题。
* 采用回溯法,搜索到第t层时,当已经是叶子节点时,说明该路径就是当前情况下的最优解。
* 当t不是叶子节点时,依次按照一定的顺序执行当前剩下的任务,将剩下的任务全部遍历一遍。
* 在遍历过程中,按照schedule[t:n]完成剩下的搜索。计算执行当前任务后,各个时间点
* 的变化。如果该层某个节点的任务执行之后,依然符合剪枝函数,则将当前的策略顺序做出
* 调整,将刚刚执行的那个节点的任务序号放置到当前,然后继续向下进行搜索。
*
* 剪枝函数:当当前节点的总时间已经大于已找到的最优时间,则该节点后面的节点都不用进行搜索。直接回溯。
*
* */
package BackTrack;
public class BestSchedule2 {
int n=3;//作业数
int[][] mission={{2,1},{3,1},{2,3}};
int bestFinishtime = Integer.MAX_VALUE;//最短时间
int[] schedule = {0,1,2};//默认的策略顺序。
int[] bestSchedule = new int[n];//最佳顺序
int[] f2 = new int[n];//第二台机器的每个任务的结束时间
int f1,totaltime;//f1当前任务的结束时间,f2的总时间
public void swap(int[] str,int m,int n){
int temp = str[m];
str[m] = str[n];
str[n] = temp;
}
public void BackTrack(int t){
//当搜索到叶子节点后,将这次遍历的策略赋值到最佳策略。
if(t>n-1){
bestFinishtime = totaltime;
for(int i=0;i<n;i++)
bestSchedule[i] = schedule[i];
return;
}
for(int i=t;i<n;i++){ //下面执行的是第t次的任务,全部遍历剩下的可能性。
f1+=mission[schedule[i]][0];
if(t==0)
f2[t]=f1+mission[schedule[i]][1];
else
f2[t] = ((f2[t-1]>f1)?f2[t-1]:f1)+mission[schedule[i]][1];
totaltime += f2[t];
//如果该作业处理完之后,总时间已经超过最优时间,就直接回溯。
if(totaltime<bestFinishtime){
swap(schedule,t,i); //把选择出的原来在i位置上的任务序号调到当前执行的位置t
BackTrack(t+1);
swap(schedule,t,i);//进行回溯,还原,执行该层的下一个任务。
}
f1 -= mission[schedule[i]][0];
totaltime -= f2[t];
}
}
public static void main(String[] args){
BestSchedule2 bs = new BestSchedule2();
bs.BackTrack(0);
System.out.println("最佳调度方案为:");
for(int i=0;i<bs.n;i++)
System.out.print(bs.bestSchedule[i]+" ");
System.out.println();
System.out.println("其完成时间为"+bs.bestFinishtime);
}
}