独立任务最优调度问题

转载部分：
       问题：独立任务最优调度，又称双机调度问题：用两台处理机A和B处理n个作业。设第i个作业交给机器A处理时所需要的时间是a[i]，若由机器B来处理，则所需要的时间是b[i]。现在要求每个作业只能由一台机器处理，每台机器都不能同时处理两个作业。设计一个动态规划算法，使得这两台机器处理完这n个作业的时间最短（从任何一台机器开工到最后一台机器停工的总的时间）。研究一个实例：n=6, a = {2, 5, 7, 10, 5, 2}, b = {3, 8, 4, 11, 3, 4}.

分析：当完成k个作业，设机器A花费了x时间，机器B所花费时间的最小值肯定是x的一个函数，设F[k][x]表示机器B所花费时间的最小值。则F[k][x]=Min{ F[k-1][x]+b[k], F[k-1][x-a[k]] }；其中F[k-1][x]+b[k]表示第k个作业由机器B来处理（完成k-1个作业时机器A花费的时间仍是x），F[k-1][x-a[k]]表示第k个作业由机器A处理（完成k-1个作业时机器A花费的时间是x-a[k]）。

       那么单个点对较大值Max(x, F[k][x])，表示此时（即机器A花费x时间的情况下）所需要的总时间。而机器A花费的时间x是变化的，即x=0,1,2……x(max)，（理论上x的取值是离散的，但为编程方便，设为整数连续的）由此构成了点对较大值序列。要求整体时间最短，取这些点对较大值序列中最小的即是。理解难点在于B是A的函数表达式，也即动态规划所在。花点时间，看懂表达式，加上思考，理解了这点一切OK，后面的编程实现完全依据这个思想。先用前两个任务的枚举示例来帮助理解。

网上贴出的cpp代码又长又不好读，给出自己写的python代码

def tast():
    A = [2,5,7,10,5,2]
    B = [3,8,4,11,3,4]
    n = 6
    Asum = sum(A)
    f = [[0 for column in range(Asum)] for row in range(n)]
    for j in range(Asum):
        if j < A[0]:
            f[0][j] = B[0]
        else:
            f[0][j] = 0

    for i in range(1,n):
        for j in range(Asum):
            if j-A[i] < 0:
                f[i][j] = f[i-1][j] + B[i]
            else:
                f[i][j] = min(f[i-1][j] + B[i],f[i-1][j-A[i]])

    ret = f[n-1][0]         
    for j in range(Asum):
        ret = min(ret,max(j,f[n-1][j]))

    return ret

print(tast())