动态规划01背包
具体题目:一种双核CPU的两个核能够同时的处理任务,现在有n个已知数据量的任务需要交给CPU处理,假设已知CPU的每个核1秒可以处理1kb,每个核同时只能处理一项任务。n个任务可以按照任意顺序放入CPU进行处理,现在需要设计一个方案让CPU处理完这批任务所需的时间最少,求这个最小的时间。
- 问题转换:完成所有n个任务需要sum时间,放入两个cpu中执行,假设第一个cpu处理时间为n1,第二个cpu时间为sum-n1,并假设n1 <= sum/2,sum-n1 >= sum/2,要使处理时间最小,则n1越来越靠近sum/2,最终目标是求max(n1,sum-n1)的最大值。转换为01背包问题:已知最大容纳时间为sum/2,有n个任务,每个任务有其的完成时间,求最大完成时间。
实现细节:
- 用一维的数组dp存,下标0~sum/2,循环n次,第i次循环完,dp[j]表示总耗时不超过j,最多能有多少耗时
- 每次循环从j=sum/2开始,因为后面的更新用到前面的值,所以先更新前面会影响本次循环后面的值
- 循环到l[i],即第i个任务的耗时位置,因为再往下不会更新dp的值(必然选择不了当前任务)
代码如下:
#include <iostream>
#include <vector>
using namespace std;
int max(int a, int b) {
return a > b ? a : b;
}
int main() {
int n, sum = 0;
cin >> n;
vector<int> l(n, 0);
for (int i = 0; i < n; i++) {
cin >> l[i];
l[i] /= 1024;
sum += l[i];
}
int w = sum / 2;
vector<int> dp(w+1, 0); //0~w
for (int i = 0; i < n; i++) {
for (int j = w; j >= l[i]; j--) {
dp[j] = max(dp[j], dp[j - l[i]] + l[i]);
}
}
int res = dp[w];
cout << (res > sum - res ? res : sum - res) * 1024;
system("pause");
}