独立任务最优调度

 

作者是Ｃ＃写的代码，后面附本人的C++代码：

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。

 

示例：前两个作业示例足矣。

初始化第一个作业：下标以0开始。

首先，机器A所花费时间的所有可能值范围：0 <= x <= a[0].
设x<0时，设F[0][x]= ∞，则max(x, ∞)= ∞；记法意义见下。
x=0时，F[0][0]=3，则Max(0,3)=3，机器A花费0时间，机器B花费3时间，而此时两个机器所需时间为3； 
x=1时，F[0][1]=3，Max(1,3)=3；
x=2时，F[0][2]=0，则Max(2,0)=2；

那么上面的点对序列中，可以看出当x=2时，完成第一个作业两台机器花费最少的时间为2，此时机器A花费2时间，机器B花费0时间。

 

来看第二个作业：

       首先，x的取值范围是：0 <= x <= (a[0] + a[1]).
       当x<0时，记F[1][x] = ∞；这个记法编程使用，因为数组下标不能小于0。在这里的实际含义是：x是代表完成前两个作业机器A的时间，a[1]是机器A完成第2个作业的时间，若x<a[1]，则势必第2个作业由机器B来处理，即在Min()中取前者。

x=0，则F[1][0]= Min{ F[0][0]+b[2], F[0][0-a[1]] }= Min{3+8,∞}=11，进而Max(0,11)=11；
x=1，则F[1][1]= Min{ F[0][1]+b[2], F[0][1-a[1]] }= Min{3+8,∞}=11，进而Max(11)=11；
x=2，则F[1][2]= Min{ F[0][2]+b[2], F[0][2-a[1]] }= Min{0+8,∞}=8，进而Max(2,8)=8；
x=3，则F[1][3]= Min{ F[0][3]+b[2], F[0][3-a[1]] }= Min{0+8,∞}=8，进而Max(3,8)=8；
x=4，则F[1][4]= Min{ F[0][4]+b[2], F[0][4-a[1]] }= Min{0+8,∞}=8，进而Max(4,8)=8；
x=5，则F[1][5]= Min{ F[0][5]+b[2], F[0][5-a[1]] }= Min{0+8,3}=3，进而Max(5,3)=5；
x=6，则F[1][6]= Min{ F[0][6]+b[2], F[0][6-a[1]] }= Min{0+8,3}=3，进而Max(6,3)=6；
x=7，则F[1][7]= Min{ F[0][7]+b[2], F[0][7-a[1]] }= Min{0+8,0}=0，进而Max(7,0)=7；

那么上面的点对序列中，可以看出当x=5时，完成两个作业两台机器花费最少的时间为5，此时机器A花费5时间，机器B花费3时间。

算法时间复杂度：按照上述思想，编程实现，结果如上图，算法时间复杂度为O(n*Sum)，其中Sum为a中所有元素之和与b中所有元素之和的最小值。王晓东《算法设计与实验题解》中提供的方法时间复杂度是O(m*m*n*n*n)，其中m为a、b所有元素的最大值。
      比较：Sum必然远远小于n*m；所以n*Sum<n*n*m，相比之下差了O(n*m)都不止，看来这个思想还是蛮优秀的。。。。

 

 

#include<iostream> #include<iomanip> using namespace std; const int SIZE=50; const int MAXINT=999; int main(){ while(1){ int N,a[SIZE],b[SIZE],SumA[SIZE],SumB[SIZE]; //记录A，B完成当前任务所需时间 cin>>N; if(N<=0)break; int tempSumA,tempSumB,MinSum; int i,j,k; tempSumA=tempSumB=0; for(i=1;i<=N;i++){ cin>>a[i]; tempSumA+=a[i]; SumA[i]=tempSumA; } for(i=1;i<=N;i++){ cin>>b[i]; tempSumB+=b[i]; SumB[i]=tempSumB; } MinSum=(tempSumB>tempSumA)?tempSumA:tempSumB; //时间上限AB总和的最小值 ///动态二维数组 int *MaxTime=new int [MinSum+1]; int **F=new int*[N+1]; for(i=0;i<N+1;i++) F[i]=new int [MinSum+1]; SumB[0]=0; for(i=0;i<=N;i++){ F[i][0]=SumB[i];//SumB[0]没赋值，调试时会输出地址 for(j=1;j<=MinSum;j++) F[i][j]=0; } /*for(i=0;i<=N;i++){ for(j=0;j<=MinSum;j++) cout<<setw(2)<<F[i][j]<<" "; cout<<endl; } cout<<endl;*/ int temp; for(k=1;k<=N;k++){ temp=(SumA[k]>SumB[k])?SumB[k]:SumA[k]; for(i=1;i<=temp;i++){ //A最多用AB前k任务的最小值，如果B最少就全用B做。 if(i>=a[k])//等于号不能少 F[k][i]=min(F[k-1][i]+b[k],F[k-1][i-a[k]]); else F[k][i]=F[k-1][i]+b[k]; } } /*for(i=0;i<=N;i++){ for(j=0;j<=MinSum;j++) cout<<setw(2)<<F[i][j]<<" "; cout<<endl; } cout<<endl; */ temp=MAXINT; for(i=0;i<=MinSum;i++){ MaxTime[i]=max(i,F[N][i]); if(temp>MaxTime[i]) temp=MaxTime[i]; } cout<<temp<<endl; /// for(i=0;i<N+1;i++) delete [] F[i]; delete [] F; delete [] MaxTime; F=NULL; } system("pause"); return 0; }