流水作业调度.docVIP

流水作业调度 1.问题描述： 定义：设有n个作业，每一个作业Ti均被分解为m项任务：Ti1, Ti2, …, Tim(1≤i≤n)，要把这些任务安排到m台机器上进行加工。如果任务的安排满足下列3个条件，则称该安排为流水作业调度： 1.每个作业i的第j项任务Tij (1≤i≤n, 1≤j≤m) 只能安排在机器Mj上进行加工 2.作业i的第j项任务Tij(1≤i≤n, 2≤j≤m)的开始加工时间均安排在第j-1项任务Ti,j-1加工完毕之后，即任何一个作业的任务必须依次完成，前一项任务完成之后才能开始着手下一项任务； 3.任何一台机器在任何一个时刻最多只能承担一项任务。 设任务Tij在机器Mj上进行加工需要的时间为tij。如果所有的tij (1≤i≤n, 1≤j≤m)均已给出，要找出一种安排作业的方法，使得完成这n个作业的加工时间为最少。 ?完成n个作业的加工时间为从安排的第一个作业开始加工, 到最后一个作业加工完毕，其间所需要的时间。 2.分析： ?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2种情况。 ?设全部作业的集合为N={1, 2, …, n}。S?N是N的作业子集。 在一般情况下，机器M1开始加工S中作业时，机器M2还在加工其它作业，要等时间t后才可利用。将这种情况下完成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)。 ?设M1和M2加工作业i所需的时间分别为ai和bi。 ?设?是所给n个流水作业的一个最优调度，它所需的加工时间为 a?(1)+T’。 ?T’： 是在机器M2的等待时间为b?(1)时，安排作业?(2), …, ?(n)所需的时间。 ?记S=N - {?(1)}，则有T’=T(S, b?(1)) 流水作业调度的Johnson法则 ?设?是作业集S在机器M2的等待时间为t时的任一最优调度。 ?若π(1)=i, π(2)=j，则由动态规划递归式可得： T（s,t）=ai+T(S-{is],bi+max{t-ai,0})=ai+aj+T(s-{i,j},tij) 若作业i和j满足 ，则称作业i和j满足Johnson不等式。 ?如果作业i和j不满足Johnson不等式，则交换作业i和j的加工顺序后，作业i和j满足Johnson不等式。 证明：算法满足Johnson不等式 ?N1中作业满足Johnson不等式 i,j∈N1,i在前，j在后 所以aibi,ajbi，且有aiaj 因为aiaj,aibi， 所以有min{ai,bj}=min{aj,bi} ?N2中作业满足Johnson不等式 i,j∈N2,i在前，j在后 所以ai=bi,aj=bj,且有bibj 因为bjbi,bj=aj 所以有min{ai,bj}=min{aj,bi} ?N1中作业接N2中作业满足Johnson不等式 i∈N1,j∈N2, 所以aibi,aj=bj， 所以有min{ai,bj}=min{aj,bi}。 3.算法描述： FLOW-SHOP(n, a, b) let flow[1..n] be a new structured array //.job为True, N1集合，.key为a[i] // .job为False, N2集合，.key为b[i] // .index为作业编号 for i=1 to n flow[i].key = a[i]=b[i] ? b[i] : a[i] flow[i].job = a[i]b[i] flow[i].index = i SORT(flow, n); // 以.key值，从小到大进行排序 left = 1, right = n // N1集合，a[i]从小到大排序，小值放在order前面 // N2集合，b[i]从小到大排序，小值放在order后面 let order[1..n] be a new array for i=1 to n if flow[i].job order[left++] = flow[i].index else order[right--] = flow[i].index temp = a[order[1]] // t：依最优调度顺序得到的总的加工时间 t = temp+b[order[1]] for i=2 to n temp = temp+a[order[i]] t = tempt ? t+b[order[i]] : temp+b[o