1017. Queueing at Bank (25)

本文介绍了一个银行排队模拟系统的实现过程,使用C语言编程,通过快速排序算法对顾客到达时间和窗口服务时间进行排序,最终计算出平均等待时间。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目:1017. Queueing at Bank (25)

#include <stdio.h>
#include <stdlib.h>
#define N 10001
struct record
{
    int stime;//开始时间
    int etime;//结束时间
}s[N];//记录
int service[101];//服务窗口
int comp(const void*a,const void*b)
{
    return ((struct record *)a)->stime-((struct record *)b)->stime;
}
int compe(const void*a,const void*b)
{
    return *((int *)a)-*((int *)b);
}
int main()
{
    int i,n,k,seventeen=17*3600,eight=8*3600;
    double count=0.0;
    scanf("%d %d",&n,&k);
    for(i=0;i<n;i++)
    {
        int hh,mm,ss,w,total;
        scanf("%d:%d:%d %d",&hh,&mm,&ss,&w);
        if(w>60)w=60;//可写可不写,无该项测试点
        w*=60;
        total=hh*3600+mm*60+ss;//以秒记录总时间
        if(total<=seventeen)//17:00:00到达
        {
            s[i].stime=total;
            s[i].etime=s[i].stime+w;
        }
        else//在17:00:00之后到达的舍弃
        {
            --n;--i;
        }
    }
    qsort(s,n,sizeof(struct record),comp);//按到达时间进行排序(sort)
    for(i=0;i<k;i++)
        service[i]=eight;//初始化service窗口,从8点开始服务
    int cur=0;
    while(cur<n)
    {
        qsort(service,k,sizeof(int),compe);//每次对service进行从小到大排序,service[0]即为最早离开,注:其实不太划算,只需选择最小的即可(o(n)),而不用快排(o(nlgn)
        int w=s[cur].etime-s[cur].stime;//获取当前的processing time
        if(s[cur].stime<service[0])//窗口处于服务段,cur需等待
        {
            count+=service[0]-s[cur].stime;//记录等待时间
            service[0]+=w;//service服务当前人员,更新该窗口的时间
        }
        else
            service[0]=s[cur].etime;//窗口处于闲置段,直接更新窗口时间
        cur++;
    }
    printf("%.1lf\n",count/(n*60));
    return 0;
}
### 银行排队问题的Python实现 银行排队问题是典型的并行处理和任务分配场景,可以通过ZeroMQ框架中的Ventilator-Worker-Sink模型来解决[^1]。以下是基于该模型的一个简单Python实现: #### ZeroMQ Ventilator 实现 Ventilator负责生成任务并将它们发送给Workers。 ```python import zmq import time context = zmq.Context() # Socket to send tasks to workers sender = context.socket(zmq.PUSH) sender.bind("tcp://*:5557") print("Press Enter when the workers are ready...") _ = input() print("Sending tasks to workers...") # Send out tasks total_msec = 0 for task_nbr in range(100): workload = int((task_nbr * task_nbr) % 100 + 1) # Some random work load total_msec += workload sender.send_string(str(workload)) print(f"Total expected cost: {total_msec} msec") time.sleep(1) # Give 0MQ time to deliver ``` #### ZeroMQ Worker 实现 Worker接收来自Ventilator的任务并执行计算后将结果返回给Sink。 ```python import zmq import sys import time context = zmq.Context() # Socket to receive messages on receiver = context.socket(zmq.PULL) receiver.connect("tcp://localhost:5557") # Socket to send messages to sender = context.socket(zmq.PUSH) sender.connect("tcp://localhost:5558") while True: s = receiver.recv_string() print(f"Received request: {s}") # Do some 'work' time.sleep(int(s) / 10) # Send results to sink sender.send(b'') ``` #### ZeroMQ Sink 实现 Sink收集所有Worker的结果,并统计完成时间。 ```python import zmq import time context = zmq.Context() # Socket to collect worker responses receiver = context.socket(zmq.PULL) receiver.bind("tcp://*:5558") # Wait for start of batch s = receiver.recv() # Start our clock now tstart = time.time() # Process 100 confirmations for task_nbr in range(100): s = receiver.recv() if task_nbr % 10 == 0: sys.stdout.write(':') else: sys.stdout.write('.') sys.stdout.flush() # Calculate and report duration of batch tend = time.time() print(f"\nTotal elapsed time: {(tend-tstart)*1000} msec") ``` 上述代码展示了如何通过ZeroMQ构建一个简单的分布式任务管理系统[^2]。对于银行排队问题,可以将其视为多个客户作为任务被分配到不同的柜员(即Worker),而最终的结果由Sink汇总。 此外,在高并发环境下,还需要注意内存管理和I/O性能优化[^3]。建议使用缓存机制减少磁盘操作频率,并利用消息队列实现各模块间的异步通信。
评论
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