python使用贪心算法解决作业调度问题

对于作业调度问题，其实至今都还不能找到一个最优的解决方案，对与如何将任务和机器进行一个合理安排和分配，让其能够在最短时间内将所有任务全部完成，和计算机操作系统的任务调度过程相类似。

这里主要是给定n个作业和m台相同的机器，使用这些机器来对给定的作业进行处理，则作业k所需要的处理时间是time[k]，任一作业可以在任意的一台机器上进行处理，但是在未完成正在完成的作业之前不允许中断当前作业操作，同时任何作业都不可以进行拆分，这里需要给出一种作业调度的方案，使得对这n个作业进行操作，在尽可能短的时间内由这m台机器加工处理完成。

如下例子：

对如上的两个例子进行最短时间求解，考虑使用贪心算法得出一个较好的近似最优解。如果说将用时最短的任务优先分配给机器，可能会出现其他任务均已经完成，最终就剩下的是用时最长的任务，也就剩下它还处在正在运行中的情况，以第一个例子为例，如果将耗时为10,26,30这三个任务优先分配给3台机器，此时的最终总耗时为45，这样就可以看出当3个作业都已经完成的时候，耗时最长的作业35却仍在运行，这样就导致了时间的加长和浪费，所以就需要考虑对贪心算法的策略进行调整，就需要优先考虑将耗时最长的作业进行分配。

优先将耗时最长的作业进行分配如下图所示：

这个时候的最终的耗时为36，相比于上一种策略的使用耗时大大降低了时间成本，而对于这种贪心算法的策略之所以会生效，主要是因为优先分配耗时最长的作业的时候，在这个作业的运行过程当中，其他耗时相比较短的作业也可以同时进行运行，这样也就体现除了一种并行的策略，实现了各机器的并行，节约时间。

使用python实现的代码如下：

def work(time,m):
    tmp=[0 for _ in range(m)]
    if len(time)<=m:
        return max(time)
    else:
        time.sort(reverse=True)
        tmp[0:m]=time[0:m]
        for t in time[m:]:
            min_=tmp.index(min(tmp))
            tmp[min_]+=t
    return max(tmp)

以上就是“python使用贪心算法解决作业调度问题”的全部内容，希望对你有所帮助。
​
​关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至CSDN官方，朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。