算法设计与分析 | 您所在的位置:网站首页 › 批处理任务调度 › 算法设计与分析 |
之前讲过一个相似的问题流水作业调度问题,那一道题最开始用动态规划,推到最后得到了一个Johnson法则,变成了一个排序问题,有兴趣的可以看一下https://www.cnblogs.com/wkfvawl/p/11667092.html 本篇博客主要参考自https://blog.csdn.net/qq_40685275/article/details/80403976 一、问题描述给定n个作业的集合{J1,J2,…,Jn}。每个作业必须先由机器1处理,然后由机器2处理。作业Ji需要机器j的处理时间为tji。对于一个确定的作业调度,设Fji是作业i在机器j上完成处理的时间。所有作业在机器2上完成处理的时间和称为该作业调度的完成时间和。批处理作业调度问题要求对于给定的n个作业,制定最佳作业调度方案,使其完成时间和达到最小。 例:设n=3,考虑以下实例: 看到这里可能会对这些完成时间和是怎么计算出来的会有疑问,这里我拿123和312的方案来说明一下。 对于调度方案(1,2,3) 作业1在机器1上完成的时间是2,在机器2上完成的时间是3 作业2在机器1上完成的时间是5,在机器2上完成的时间是6 作业3在机器1上完成的时间是7,在机器2上完成的时间是10 所以,作业调度的完成时间和= 3 + 6 + 10 这里我们可以思考一下作业i在机器2上完成的时间应该怎么去求? 作业i在机器1上完成的时间是连续的,所以是直接累加就可以。但对于机器2就会产生两种情况,这两种情况其实就是上图的两种情况,对于(1,2,3)的调度方案,在求作业2在机器2上完成的时间时,由于作业2在机器1上还没有完成,这就需要先等待机器1处理完;而对于(3,1,2)的调度方案,在求作业2在机器2上完成的时间时,作业2在机器1早已完成,无需等待,直接在作业1被机器1处理之后就能接着被处理。 综上,我们可以得到如下表达式 if (F2[i-1] > F1[i]) F2[i] = F2[i-1] + t[2][i] else F2[i] = F1[i] + t[2][i] 二、算法设计
类Flowshop的数据成员记录解空间的结点信息,M输入作业时间,bestf记录当前最小完成时间和,数组bestx记录相应的当前最佳作业调度。 数组x[i],bestx[i],二维数组m[j][i];数组x记录当前调度;bestx记录当前最优调度;初始时,x[i]=i ; bestx[i]=∞; (i=0,1,......,n)二维数组m记录各作业分别在两台机器上的处理时间;m[j][i]表示在第i台机器上作业j的处理时间 变量f1,f2,cf,bestf;f1记录作业在第一台机器上的完成时间;f2记录作业在第一台机器上的完成时间;cf记录当前在第二台机器上的完成时间和;bestf记录当前最优调度的完成时间和; 在递归函数Backtrack中,当i>n时,算法搜索至叶子结点,得到一个新的作业调度方案。此时算法适时更新当前最优值和相应的当前最佳调度。当in) //到达叶子结点,搜索到最底部 { for( i=1; i |
CopyRight 2018-2019 实验室设备网 版权所有 |