Leetcode-最佳任务调度_leetcode最优fenpei-优快云博客

本文介绍了一种算法，通过递归和深度优先搜索，解决如何在3台机器上分配7个任务，使得总时间最短。给定任务处理时间和机器数量，输出最优时间为13。核心在于判断每个任务是否分配给当前机器并调整时间安排。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

背景

输入处理任务机器数，任务使用的时间，将时间分为指定的的任务数，使得时间最短。
输入：
处理任务机器数： k =3
不容任务所用时间：arr = [5,4,6,6,8,3,7]
输出：最优时间为 13

解题思路：

三个机器，递归遍历for循环机器数量。因为每次该改机器下，这个任务是否选择，选择或者是不选择。

n = 0  # 任务数
best = float("inf")  # 最优值(完成全部任务的最早时间)
tasks = []  # 每台机器已安排的时间


#计算任务完成的时间
def comp():
    tmp = 0
    for i in range(k):
        if tasks[i] > tmp:
            tmp = tasks[i]
    return tmp
t = None
# 以深度优先遍历方式遍历解空间树
def search(dep, tasks, arr):
    global best
    if dep == n:
        tmp = comp()
        if tmp < best:
            best = tmp
        return
    #解题思路部分，该任务是否选择的问题
    for i in range(k):
        tasks[i] += arr[dep]
        if tasks[i] < best:
            search(dep + 1, tasks, arr)
        tasks[i] -= arr[dep]

if __name__=="__main__":
    n = 7
    k =3 
    arr = [5,4,6,6,8,3,7]
    tasks = [0 for _ in range(k)]  # k长度
    search(0, tasks, arr)
    print("最优值：", best)