greedy策略求解工作选择问题Loss最小化（二）

         工作延时损失最小选择问题：每个工作包含工作耗时和延时损失2个属性，延时损失即该工作每延后一个小时开始做，则就损失一个loss值。注每个工作的耗时和延时损失各不相同。该问题类似于操作系统中的作业调度问题。

        因此若每个工作的loss值都相同，则等价于作业调度问题，即耗时短的应当最先做，即最短最优调度算法。该算法的原理的greedy策略点是time,即当前工作耗时越短，则后面工作的等待时间越少，则损失越少，最后累加的损失也是最小的；将耗时最大的排在前面先完成，则虽然越往后，后面的工作的损失的增量放缓，但由于前面的耗时过大，导致后面累加的延时基数很大，所以虽然增速放缓，但经累加后的延时仍然很大。相比于从小到大排序而言，耗时大的先做总的延时要大于耗时小的先做的总延时。所以在损失相同的情况下，总延时越小，则总的损失就越小，符合greedy=》min(loss)。

         另一方面，若每个工作的工作时间一定，则说明无论工作的先后顺序如何，总的延时都是一定的，则要想最后总的损失最小，则将损失大的工作优先做，则比将损失大的留在最后做的总损失要小。这里的greedy策略点是loss最小，符合最后greedy=》min(loss)。根据具体问题的条件选择greedy loss策略（即time、loss）。

        而本文问题的工作time 和loss是不定的，即任意数字。那么该问题的greedy策略点是什么呢？刚开始无从知晓，若仅从time 或loss其中之一来考虑，则仅能得到一个次优解，并不能得到最优解，所以必须将二者结合起来进行考虑，那么如何结合呢？二者相乘，相除或者其他的条件运算等等，一开始真不知道如何思考或者怎么下手，其实之所以有这种无从下手的困扰，本质上还是没有意识到greedy策略。没有在应用中去结合greedy策略方法，未能深入理解greedy策略点的，它到底是干嘛？那么如何在一个未知应用问题中知道去采用greedy方法呢？

       我最开始未能证明或想到greedy的策略点，因此直接查看了分析解答才知道以loss/time为greedy策略点进行求解。因此程序的核心是对所有工作按照其loss/time从大到小进行排序。下面是程序的主体框架如下：

std::vector<Point> GreedyStrategy::jobSequencingProblemLoss(vector<Point>num)
{
	//num[0].getId()==job_name,x==time,y==delay_loss
	mergeSortJobLoss(num,0,num.size()-1);                        //先对loss比进行greedy排序
	
	return num;
}

            因为只需要对loss/time进行排序即可，所以主体框架的程序调用排序算法如下：

void GreedyStrategy::mergeSortJobLoss(vector<Point>&num, int low, int high)     //若low！=high,则(low+high)/2=low,当low+1=high时；
{
	if (low<high)
	{
		int mid = (low + high) / 2;
		mergeSortJobLoss(num, low, mid);
		mergeSortJobLoss(num, mid + 1, high);
		conquerJobLoss(num, low, mid, high);
	}
}

void GreedyStrategy::conquerJobLoss(vector<Point>&num, int low, int mid, int high)
{
	int i = low;
	int j = mid + 1;
	vector<Point>numC;
	while (i<=mid&&j<=high)
	{
		if (num[i].getY()*num[j].getX()>=num[i].getX()*num[j].getY())
		{
			numC.push_back(num[i]);
			i++;
		} 
		else
		{
			numC.push_back(num[j]);
			j++;
		}
	}

	while (i <= mid)
	{
		numC.push_back(num[i]);
		i++;
	}

	while (j <= high)
	{
		numC.push_back(num[j]);
		j++;
	}

	for (int i = low, k = 0; i <= high && k<numC.size();i++,k++)
	{
		num[i] = numC[k];
	}
}

         总结：不管工作选择问题是什么，greedy的策略点首先应以最终所需要的结果或者到达的目的为greedy策略着眼点，如本文的最终目的是loss最小，那么不管你怎么想，并感觉无从下手时，remmber:最初的问题目的就是解题的greedy策略点（回到问题的起点）。既然是求得loss最小，那么最终的greedy首先的落脚点一定是loss，虽然题目中包含了time，那么在单位时间内，哪个工作的loss越大，则就应越先安排，即loss/time。这时会出现一个糊点：即loss/time真的就是最终的greedy策略点吗？根据remmber思路，最终得到的loss0 = loss/time得到的loss0首先是符合remmber策略的，而loss0的意义是单位时间的每个工作的损失，虽然时间是工作耗时，而并不是延时，那这个到底行不行呢？继续分析：loss0的看出来的意义是假设所有的工作都耗时单位时间（即一个单位时间），那么谁的损失越大，就应该优先做，因为在单位耗时中，损失越大，若越放在后面做，则总延时相等，但损失越大的后面做，则总的损失就越大，所以loss/time经反复论证得是正确的，得证。