分支界限法解决多机调度问题

题目叙述:
假设有n个任务由k个可并行工作的机器完成。完成任务i需要的时间为ti。试设计一个算法找出完成这n个任务的最佳调度,使得完成全部任务的时间最早。
对任意给定的整数n和k,以及完成任务i需要的时间为ti,i=1,2,…,n。设计一个优先队列式分支限界法,计算完成这n个任务的最佳调度。
给出输入数据。第1行有2个正整数n和k。第2行的n个正整数是完成n个任务需要的时间。
样例输入

7 3
2 14 4 16 6 5 3
1
2
样例输出

17
1
思路
以下例子以样例做参考

1、首先我们先假象3个time值,如下,这3个time值分别代表三个机器的工作时间。

2、然后我们知道所有的事件都必须完成,所以一个事件只有3种状态,在机器1中、在机器2中以及在机器3中。

3、所以我们分别对这三种情况进行判断,判断是否入列。

下面是代码:

#include <iostream>
#include <queue>
#include <algorithm>
using namespace std;

const int M = 100;
const int INF = 0x3f3f3f3f;
int x[M], n, k;                                     
int best = INF;                                     //最佳值

struct node                                         //定义一个node
{
   
    int time[M]
  • 3
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
多机调度问题是指将n个作业分配给m台机器进行处理,每个作业处理时间不同,在多台机器上并行处理,要完成所有作业的时间最短。 贪心法、回溯法和分支界限法都可以用来解决多机调度问题,它们的区别在于: 1. 贪心法是一种启发式算法,它根据某种贪心策略,每次选择最优的作业分配给最优的机器,直到所有作业都被分配完。贪心法的优点是简单、高效,但它只能得到局部最优解,不能保证一定能得到全局最优解。 2. 回溯法是一种穷举法,它会递归地搜索所有可能的作业分配方案,并通过剪枝操作来避免搜索无效的方案。回溯法的优点是能够得到全局最优解,但它的时间复杂度较高,当作业数量或机器数量较大时,搜索时间会变得很长。 3. 分支界限法是在回溯法的基础上做了优化,它通过对搜索树进行剪枝,避免搜索无效的分支。具体来说,分支界限法会计算每个节点的上界和下界,当某个节点的下界已经大于当前的最优解时,就可以剪枝,不再继续搜索该分支分支界限法的优点是能够得到全局最优解,并且在搜索过程中能够剪掉很多无效的分支,提高搜索效率。 因此,贪心法适用于作业数量较少、机器数量较多的情况,回溯法适用于作业数量较多、机器数量较少的情况,而分支界限法可以在两种情况下都使用,并且能够得到更优的解。同时,分支界限法的时间复杂度比回溯法要低,因此在作业数量较大、机器数量较少的情况下,分支界限法是更加优秀的选择。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值