动态规划解决流水作业问题

动态规划解决流水作业问题

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 Python 机器学习入门之pandas的使用

---

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

---

动态规划

1.要素

动态规划两大要素：最优子结构、重叠子问题
最优子结构：当问题的最优解包含了其子问题的最优解时，该问题具有最优子结构性质
重叠子问题：在用递归算法自底向下解此问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算，具有子问题重叠性质。这类问题称重叠子问题

2.基本思想

将待求解问题分解成若干个子问题，先求解子问题，然后结合这些子问题的解得到原问题的解。求解的问题经分解得到的子问题往往不是相互独立的

3.适用于解最优化问题步骤

1）找出最优解的性质，并刻画其结果特征（分析最优解结构）
2）递归地定义最优解（建立递归关系）
3）以自底向上的方法计算得到的信息，构造最优解（计算最优解）
4）根据计算最优值得到的信息，构造最优解（构造最优解）
1）2）3）为基本步骤

---

一、流水作业调度

设有n个工件需要在机器M1和M2上加工，每个工件的加工顺序都是先在M1上加工，然后在M2上加工。t1j，t2j分别表示工件j在M1，M2上所需的加工时间（j=1，2，···，n），确定其加工顺序

1.分析最优解结构

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。

直观上，一个最优调度应使机器M1没有空闲时间，且机器M2的空闲时间最少。在一般情况下，机器M2上会有机器空闲和作业积压两种情况。

设全部作业的集合为N={1,2,…,n}，S⊆N，S是N的一个子集。在一般情况下，机器M1开始加工S中作业时，机器M2还在加工其他作业，要等时间t后才可利用。这种情况下，完成S中作业所需的最短时间记为T(S,t)，流水作业调度问题的最优值为T(N,0)

二、解决问题

问题的描述：

n个作业{1，2，…，n}要在由2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。

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。

调度规则

(1 ) 把全部ai和bi分类成非降序列，ai和bi分别是第i个作业在两个机器上所需要的时间。

(2 ) 按照这一分类次序考察此序列: 如果序列中下一个数是aj 且作业j还没调度,那么在还没使用的最左位置调度作业j ; 如果下个数是bj 且作业j还没调度,那么在还没使用的最右位置调度作业j ; 如果已经调度了作业j,则转到该序列的下一个数。

算法主要利用Johnson不等式原理，对于所有的a步骤和b步骤的时间从小到大排序。如果合并序列中拿出的元素属于a集合，则将其所属的job作为第一个job执行；如果属于b集合，则将其所属的job作为最后一个job执行。进行下一个元素的判断，分别作为第二、倒数第二，依次类推；直到所有job被标记之后退出，获得的job数组就是job的执行序列。

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

2.例子

例子1
设 n=4,( a1,a2,a3,a4 ) =( 3,4,8,10 ) 和( b1,b2,b3,b4 ) =(6,2,9,15 ),对这些a和b分类后的序列是( b2,a1,a2,b1,a3,b3,a4,b4 ) =( 2,3,4,6,8,9,10,15),

设σ1,σ2,σ3,σ4是最优调度。
最小数是b2, 置σ4 = 2。

下一个最小数是a1, 置σ1 = 1。

接着的最小数是a2,由于作业2已被调度,转向再下一个数b1 。

作业1已被调度,再转向下一个数a3,置 σ2 = 3。

最后剩σ3 是空的,而作业4还没调度,从而σ3= 4

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

该处使用的url网络请求的数据。

---

总结

提示：这里对文章进行总结：

例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。