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())