问题描述
有n个作业(编号为1~n)要在由两台机器M1和M2组成的流水线上完成加工。每个作业加工的顺序都是先在M1上加工,然后在M2上加工。M1和M2加工作业i所需的时间分别为ai和bi(1≤i≤n)。
流水作业调度问题要求确定这n个作业的最优加工顺序,使得从第一个作业在机器M1上开始加工,到最后一个作业在机器M2上加工完成所需的时间最少。可以假定任何作业一旦开始加工,就不允许被中断,直到该作业被完成,即非优先调度。
【输入格式】输入包含若干个用例。每个用例第一行是作业数n(1≤n≤1000),接下来n行,每行两个非负整数,第i行的两个整数分别表示在第i个作业在第一台机器和第二台机器上加工时间。以输入n=0结束。
【输出格式】每个用例输出一行,表示采用最优调度所用的总时间,即从第一台机器开始到第二台机器结束的时间。
【输入样例】
4
5 6
12 2
4 14
8 7
0
【输出样例】
33
问题求解
采用回溯法求解,对应的解空间是一个是排列树,相当于求出n个作业的一种排列使完成时间最少。
作业的编号是1~n。
数组x[]作为解向量即调度方案,即x[i]表示第i步执行的作业编号,初始时数组x的元素分别是1~n。
最优解向量用bestx[]存储。
最优解的最优调度时间用bestf表示。
f1数组:f1[i]表示第i步执行的作业x[i]在M1上执行完的总时间(含前面作业的执行时间)
f2数组: f2[i]表示第i步执行的作业x[i]在M2上执行完的总时间(含前面作业的执行时间)
由于一个作业总是先在M1上执行后在M2执行,所以f2[n]就是执行全部作业的总时间。
由于每个作业都是从M1开始的,即M1上各个作业是连续执行的,不需要等待,所以f1不需要用数组表示,直接用单个变量f1表示。
f2[i-1]>f1:需要等待 f2[i]=f2[i-1]+b[x[i]]
f2[i-1]≤f1:不需等待 f2[i]=f1+b[x[i]]
f1 += a[x[i]];
f2[i]=max(f1,f2[i-1])+b[x[i]];
排列树递归回溯框架:在求一个方案的同时求其f2[n]时间!
剪枝:求出第i层的f2[i]即执行作业x[i]后的总时间,若f2[i]≥bestf (bestf为当前求出的执行全部作业的最优总时间),就没有必要从该结点向下扩展了,让其成为死结点,也就是说仅仅扩展满足f2[i]<bestf的结点。
代码
int bound(int i) //求结点的下界值
{ int sum=0;
for (int j=1;j<=i;j++) //扫描所有选择的作业
sum+=b[x[j]]; //累计所有选择作业的b时间
return f2[i]+tot-sum; //全部n个作业的b时间和为tot
}
void dfs(int i) //从第i层开始搜索
{ if (i>n) //到达叶结点,产生一种调度方案
{ if (f2[n]<bestf) //找到更优解
{ bestf=f2[n];
for(int j=1; j<=n; j++) //复制解向量
bestx[j] = x[j];
}
}
else
{ for(int j=i; j<=n; j++) //没有到达叶结点,考虑可能的作业
{ swap(x[i],x[j]);
f1 += a[x[i]]; //选择作业x[i],在M1上执行完的时间
f2[i]=max(f1,f2[i-1])+b[x[i]];
if (bound(i)<bestf) //剪枝
dfs(i+1);
f1 -= a[x[i]]; //回溯
swap(x[i],x[j]);
}
}
}
算法分析
该算法的解空间树是一棵高度为n的排列树,对应算法的时间复杂度为O(n!)。