实验1---lx

1问题

最优服务次序问题：设有n个顾客同时等待一项服务。顾客i需要的服务时间为ti,1≤i≤n。共有s处可以提供此服务。应如何安排n个顾客的服务次序才能使平均等待时间达到最小平均等待时间是n个顾客等待服务时间的总和除以n。

2问题分析

贪心策略：由于每个顾客i的服务时间为ti,要实现等待服务时间总和最小，应该尽可能安排ti值小的顾客，进行服务。

3问题建模

问题建模：假设原问题的时间为T，已经知道了某个最优服务系列，最优解为min={t(1)，t(2)，......，t(n)}（其中t(i)为第i个客户需要的服务时间），那么每个客户需要的等待是时间为：

T(1)=t(1)；

T(2)=t(1)+t(2)；

 ...... 

T(n)=t(1)+t(2)+......+t(n)；

那么，总的等待时间，即为最优解 

Tmin=nt(1)+(n-1)t(2)+(n-2)t(3)......+(n+1-i)t(i)+......+2t(n-1)+1t(n)

4算法描述

输入用户等待所需时间列表 将等待时间按从小到大进行排列 利用数学公式Tmin=nt(1)+(n-1)t(2)+(n-2)t(3)......+(n+1-i)t(i)+......+2t(n-1)+1t(n)进行计算得到结果

1.快速排序：a表示待排序数组，l，r表示最左侧/最右侧的索引。x初始化为最左端的元素。

2.计算顾客等待时长：n表示顾客总数，t表示每个顾客的服务时间列表。

代码

def Quick_Sort(a,l,r):
    if(l<r):
        i = l
        j = r
        x = a[l]
        while i<j:
            while i<j and a[j]>=x:
                j-=1
            if i<j:
                a[i] = a[j]
                i+=1
            while i<j and a[i]<x:
                i+=1
            if i<j:
                a[j] = a[i]
                j-=1

        a[i] = x
        Quick_Sort(a,l,i-1)
        Quick_Sort(a,i+1,r)
    return a

def Greedy(n,t):
    wait_time = 0
    wait_stime = 0

    for i in range(0,n):
        wait_time = wait_time + t[i]
        wait_stime = wait_stime + wait_time
        print("第{0}个被选择服务的顾客的服务时间为：{1}, 等待时间为：{2}" .format(i,t[i],wait_time))
    print("顾客等待的总时间为：{0}".format(wait_stime))

if __name__ == '__main__':
    n = eval(input("请输入要服务顾客的总人数："))
    t = list(eval(input("请输入顾客各自所需的服务时间:")))
    
    l=0
    r=n-1

    t = Quick_Sort(t,l,r)
    Greedy(n,t)

运行结果：