回溯法实现最佳调度问题（Java）

回溯法实现最佳调度问题（Java）

回溯法实现最佳调度问题的网上解答有很多，但基本上都是C或C++实现的，而且基本上只是粘了个代码而没有详细解释，因此我写了这篇文章，如有不对的地方，欢迎指正。
####问题描述
最佳调度问题的回溯算法实现：有n个任务由k个可并行工作的机器完成。完成任务i需要的时间为Ti。找出完成这n个任务的最佳调度，使得完成全部任务的时间最少。用文件导入每个任务所需要的时间Ti。（至少10个任务）使用回溯算法的思想，设计一个解决该问题的算法。设计一个输出界面，输出调度方案。
####算法思想
回溯法是从初始状态出发，在隐式图中以深度优先的方式搜索问题的解。当发现不满足求解条件时就回溯，尝试其他路径，即“能进则进，进不了则换，换不了则退”的基本搜索方法。
####算法设计
①问题解的形式：最佳调度算法的解表示成n元组的形式（X1，X2，…，Xn），其中Xi（i=1,2…，n）表示第i个任务放在第Xi个机器上处理。
②显约束： 当前容器处理时间与新加入该容器任务比最少时间短。
③隐约束：当前时间比最少时间短。
④解空间：根据显约束第i个任务有k个机器可以选择，显然满足显约束的n元组共有kn种，他们构成了最佳调度问题的解空间。
####变量说明
a：默认3行50列的二维整型数组，用于存放调度任务的信息，第1行为任务编号，第2行为任务所需时间，第3行为调度结果；
s：默认长度为50的一维整型数组，表示当前机器需要工作的时间；
nbest：默认长度为50的一维整型数组，表示当前调度结果；
n：整数，表示任务数；
k：整数，表示机器数；
minn：整数，表示调度后的最少时间；
####核心代码

public void search(int x,int y){		
		//最佳调度算法
		if(y>minn)		//隐约束剪枝
			return;
		if(x>n){		//到达叶结点
			if(y<minn){		//判断最优解，更新最优解和最优值
				minn = y;		
				for(int i=1;i<=n;i++){
					a[2][i] = nbest[i];
				}
			}
			return;
		}
		for(int i=1;i<=k;i++){
			if(s[i]+a[1][x]<minn){		//显约束剪枝
				s[i] += a[1][x];
				nbest[x]=i;
				search(x+1,max(y,s[i]));		//递归
				s[i] -= a[1][x];
			}
		}
		return;
	}

####运行结果
我的完整项目是设计了界面的。

####时间复杂度
时间复杂度为O(nkn)

---

完整工程下载地址最佳调度问题回溯法实现-Java