算法设计与分析 第2版 第7章-贪心法.ppt

求在最优调度下总时间，用f1累计M1上的执行时间（初始时f1=0）；f2累计M2上的执行时间（初始时f2=0），最终f2即为最优调度下的消耗总时间。 对于最优调度方案best，用i扫描best的元素，f1和f2的计算如下： f1=f1+a[best[i]] f2=max{f1，f2}+b[best[i]] f1=f2=0 作业3：f1=0+4=4，f2=max{4,0}+14=18 作业1：f1=4+5=9，f2=max{9,18}+6=24 作业4：f1=9+8=17，f2=max{17,24}+7=31 作业2：f1=17+12=29，f2=max{29,31}+2=33 其实现采用如下结构体数组c： struct NodeType { int no; //作业序号 bool group; //1代表第一组N1,0代表第二组N2 int time; //a,b的最小时间 bool operator(const NodeType s) const { return times.time; //用于按time递增排序 } }; 如 //问题表示 int n=4; int a[N]={5,12,4,8}; //对应M1的时间 int b[N]={6,2,14,7}; //对应M2的时间 struct NodeType { int no; //作业序号 bool group; //1代表第一组N1,0代表第二组N2 int time; //a,b的最小时间 bool operator(const NodeType s) const { return times.time; //按time递增排序 } }; //求解结果表示 int best[N]; //最优调度序列 int solve() //求解流水作业调度问题 { int i,j,k; NodeType c[N]; for(i=0;in;i++) //n个作业中,求出每个作业的最小加工时间 { c[i].no=i; c[i].group=(a[i]=b[i]); //a[i]=b[i]对应第1组N1,a[i]b[i]对应第0组N2 c[i].time=a[i]=b[i]?a[i]:b[i]; //第1组存放a[i],第0组存放b[i] } sort(c,c+n); //c元素按time递增排序 void main() { printf(求解结果\n); printf( 总时间: %d\n,solve()); printf( 调度方案: ); for(int i=0;in;i++) printf(%d ,best[i]+1); printf(\n); } 求解结果 总时间: 33 调度方案: 3 1 4 2 【算法分析】算法的主要时间花费在排序上，所以时间复杂度为O(nlog2n)。比采用回溯法和分枝限界法求解更高效。 * * void solve() //求解多机调度问题 { NodeType e; if (n=m) { printf(为每一个作业分配一台机器\n); return; } sort(A,A+n); //按t递减排序 priority_queueNodeType qu; //小根堆 for (int i=0;im;i++) //先分配m个作业，每台机器一个作业 { A[i].mno=i+1; //作业对应的机器编号 printf( 给机器%d分配作业%d,执行时间为%2d,占用时间段:[%d,%d]\n, A[i].mno,A[i].no,A[i].t,0,A[i].t); qu.push(A[i]); } for (int j=m;jn;j++) //分配余下作业 { e=qu.top(); qu.pop(); //出队e printf( 给机器%d分配作业%d,执行时间为%2d,占用时间段:[%d,%d]\n, e.mno,A[j].no,A[j].t,e.t,e.t+A[j].t); e.t+=A[j].t; qu.push(e); //e进队 } } 【算法分析】排序的时间复杂度为O(nlog2n)，两次for循环的时间合起来为O(n)，所以本算法的时间复杂度为O(nlog2n