210 - Concurrency Simulator

本文介绍了一个程序执行调度的模拟程序,使用C++实现。通过等待队列和阻止队列管理程序执行顺序,并考虑了锁机制的特殊处理。该程序能够处理不同类型的指令,包括变量赋值、读取等。
部署运行你感兴趣的模型镜像

用wait_q表示等待队列,prevent_q表示阻止队列,用映射p来给出变量值,用队列q[100]来记录所有语句(语句的执行也符合先进先出)

要注意:1.即使时间到了,也会执行完正在执行的程序。

2.阻止队列可能为空,这个时候如果向外取元素就会运行出错。

3.执行end,lock,unlock时要注意有可能存在特殊情况。

#include<cstdio>

#include<iostream>
#include<algorithm>
#include<deque>
#include<queue>
#include<map>
using namespace std;
int main(){
    int T;
    cin>>T;
    while(T--){
        deque<int>wait_q;
        deque<int>prevent_q;
        queue<string>q[100];
        map<string,string> p;
        int n,t1,t2,t3,t4,t5,Q;
        string buf;
        cin>>n>>t1>>t2>>t3>>t4>>t5>>Q;
        char c=getchar();
        for(int i=1;i<=n;i++){
                wait_q.push_back(i);
            while(getline(cin,buf)){
                if(buf=="end"){
                    q[i].push(buf);
                    break;
                }
                else
                    q[i].push(buf);
            }
        }
        int key=0;
        while(1){
                int time=Q,t;
                t=wait_q.front();
            while(1){
                    string s;
                s=q[t].front();
                if(s=="lock"){
                    if(key==0){
                        key=1;
                        q[t].pop();
                    }
                    else{
                        prevent_q.push_back(t);
                        wait_q.pop_front();
                        break;
                    }
                    time-=t3;
                }
                else if(s=="end"){
                    time-=t5;q[t].pop();
                    wait_q.pop_front();break;
                }
                else if(s=="unlock"){
                    if(!prevent_q.empty()){
                    wait_q.pop_front();
                    wait_q.push_front(prevent_q.front() );
                    prevent_q.pop_front();
                    wait_q.push_front(t);
                    }
                    q[t].pop();
                    time-=t4;
                    key=0;
                }
                else {
                        int ans=0;
                    for(int i=0;i<s.size();i++)
                        if(s[i]=='=')
                        ans=i;
                    if(ans==0){
                        int ens=1000;
                        string s0;
                        for(int i=0;i<s.size();i++){
                            if(s[i]==' ')
                                ens=i;
                            if(i>ens)
                                s0+=s[i];
                        }
                        if(!p.count(s0))
                            p[s0]="0";
                        cout<<wait_q.front()<<":"<<" "<<p[s0]<<'\n';
                        time-=t2;
                    }
                    else{
                        string s1,s2;
                        for(int i=0;i<s.size();i++){
                            if(i<ans&&islower(s[i]))
                                s1+=s[i];
                            if(i>ans&&isdigit(s[i]))
                                s2+=s[i];
                        }
                        p[s1]=s2;
                        time-=t1;
                    }
                    q[t].pop();
                }
                if(time>0)
                    continue;
                else {
                    wait_q.push_back(t);wait_q.pop_front();break;
                }
            }
            if(wait_q.empty())
                break;
        }
        if(T)
            cout<<'\n';
    }
    return 0;
}

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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