贪心算法:带有限期的作业调度(任务调度)及证明

1. 度量标准

下一次输入为使得效益值加最增大的作业,同时不违反约束条件。
max ⁡ ∑ i ∈ J p i \max \sum_{i\in J}{p_i} maxiJpi

2.SPARKS语言描述

procedure GREEDY_JOB(D, J, n)
	// 作业按 p1 ≥ p2 ≥ … ≥ pn的次序输入,它们的期限值 D(i) ≥ 1, 1 ≤ i ≤ n, n ≥ 1。
	// J是在它们的截止期限完成的作业的集合
	J←{1}
	for i←2 to n do 
	if J∪{i}的所有作业能在它们的截止期限前完成 then
		J←J∪{i}
	endif
	repeat
end GREEDY_JOB

3.最优解证明

设最优解集合为I,贪心解集合为J

  1. I==J,则贪心解就是最优解

  2. I!=J,则分三种情况:

    2.1 I ⊂ \subset J

    X 若贪心解包含最优解,则最优解至少还能够添加J中有而I中没有的元素且不违反约束条件,这与它本身就是最优解相矛盾。因此这种情况不可能。

    2.2 J ⊂ \subset I

    X 若最优解包含贪心解,因为贪心解每次选择总是选择效益值较大且满足约束条件的,故对于I中有而J中没有的元素xx总应该被J选中才满足贪心算法的规则。因此这种情况不可能。

    2.3 I与J中至少包含一个互不相同的元素

    排除了2.1、2.2两种情况,最后一种情况只剩I ⊄ \not\subset JJ ⊄ \not\subset I,即至少存在两个作业a和b,使得a ∈ \in Ja ∉ \not\in Ib ∈ \in Ib ∉ \not\in J。并设a是这样的一个具有最高效益值的作业,且由算法的处理规则可得:对于在I中而不在J中的所有作业b,有: p a ⩾ p b p_a\geqslant p_b papb
    证明:将IJ中的所有作业按效益值非递增排序,从左向右依次比较IJ中对应的分量,若相同则继续比较下一个,直至遇到分量不同的情况。设此时两分量为 p a p_a pa p b p_b pb。这时若 p a < p b p_a<p_b pa<pb,则不满足贪心算法的规则。贪心算法在下一次选择时,必定会选择效益值相对较大且不违反约束条件的,若 p a < p b p_a<p_b pa<pb,则贪心算法应该选择 p b p_b pb才对。证毕。

  3. 使用贪心解分量替换最优解对应分量
    3.1 首先调整最优解和贪心解中作业的位置,使得新的解仍能够满足约束条件。设i在贪心解中和在最优解中都有这个作业,且在贪心解中[t, t+1]时间段内执行,在最优解中[t', t'+1]时间段内执行。下面分两种情况进行作业对换:
    在这里插入图片描述
    在这里插入图片描述
    3.2 找到Pa在贪心解中的位置,把最优解中对应位置的Pb替换为Pa,则替换后的解不会比原来的解更差,且新的解和原来的最优解相比,减少了1个和贪心解不同的元素。如此往复,知道贪心解完全替换最优解,效益值并没有减小。因此,J也是最优解。在这里插入图片描述

4. 判断解的可行性

给定一个解,判断这个解是否可以满足约束条件。
下面证明:在这里插入图片描述
证明:
左到右:显然成立
右到左:在这里插入图片描述

5. 算法实现

procedure JS(D,J,n,k)

	// D(1),…,D(n)是期限值。n≥1。
	// 作业已按p1 ≥ p2 ≥ … ≥ pn的顺序排序。
	// J(i)是最优解中的第i个作业,1 ≤ i ≤ k。
	// 终止时, D( J(i) ) ≤ D( J(i+1) ), 1 ≤ i<k。
	
	integer D(0:n),J(0:n),i,k,n,r
	
	D(0)←J(0)←0 //初始化//
	
	J(1)←1; k←1 //计入作业1//
	
	for i←2 to n do //按p的非增次序考虑作业。找i的位置并检查插入的可行性//
	
		r←k
		
		while D(J(r))>D(i) and D(J(r)) ≠r do // r之前的期限比i晚 and r之前的期限可以后移1单位期限
			r←r-1
		repeat
		
		if D(J(r)) ≤ D(i) and D(i)>r then // i的期限比r晚 and i的期限满足约束条件
			for i←k to r+1 by -1 do
			J(i+1) ←J(i) //将插入点的作业后移一位//
			repeat
			J(r+1) ←i;k←k+1
		endif
		
	repeat
	
end JS

6. C++代码

在这里插入图片描述

#include <iostream>


void JS(int D[], int J[], int n) {
    
    int cnt = 0; // 最优解中作业数量
    // J[i]: 最优解中第i个作业
    // D[i]: 作业i的截止期限, 假设作业已经按效益值从大到小排列

    // 初始化
    D[0] = 0;
    J[0] = 0;
    J[1] = 1; // 第1个作业肯定是作业1
    cnt = 1;

    for (int i = 2; i <= n; ++i) {
        int r = cnt;
        
        // D[J[r]] > D[i] 第J[r]个作业的期限大于第i个作业的期限
        // D[J[r]] != r 保证第J[r]个作业能往后移动1位
        while (D[J[r]] > D[i] && D[J[r]] != r)
            r--;
            
        // 第i个作业要插到r后
        // D[i] >= D[J[r]] 第i个作业的截止期限大于等于最优解中第r个作业的截止期限
        // D[i] > r 第i个作业的截止期限大于r(能被安排到第r之后)
        if (D[i] >= D[J[r]] && D[i] > r) {
            // r之后的最优解往后移1位
            for (int j = cnt; j > r; --j) {
                J[j + 1] = J[j];
            }
            // 插入i
            J[r + 1] = i;
            cnt++;
        }
    }
}

int main() {
    
    int n = 5;
    int D[] = {0, 2, 1, 2, 1};
    int P[] = {0, 100, 20, 15, 10};
    int* J = new int[n];
    for (int i = 0; i < n; ++i) {
        J[i] = 0;
    }
    JS(D, J, n);

    std::cout << "决策序列:";
    int sum = 0;

    for (int i = 1; i < n; ++i) {
        std::cout << J[i] << " ";
        sum += P[J[i]];
    }

    std::cout << std::endl << "总效益值:" << sum << std::endl;

    return 0;
}

输出:

决策序列:2 1 0 0
总效益值:120
  • 14
    点赞
  • 93
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

伯明翰谢老二

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值