A = {1, 2, 3, 4, 5}
T = {5, 8, 4, 10, 3}
D = {10, 12 , 15, 11, 20}
那么对于调度f1
f1: {1, 2, 3, 4, 5} → N
f1(1) = 0, f1(2) = 5, f1(3) = 13, f1(4) = 17, f1(5) = 27
客户1, 2, 3, 4, 5的延迟分别是0, 1, 2, 16, 10;最大延迟是max{0, 1, 2, 16 ,10} = 16。
但是,不同调度的最大延迟是不一样的,再如对同一个实例的另一个调度f2
f2: {1, 2, 3, 4, 5} → N
f2(1) = 0, f2(2) = 15, f2(3) = 23, f2(4) = 5, f2(5) = 27
客户1~5的延迟分别是0, 11, 12, 4 ,10;最大延迟是max{0, 11, 12, 4 ,10} = 12。
上述调度f1和f2的安排分别如下图所示:
显然,调度f2比f1具有更小的延迟。
我们的问题是:给定 A = {1, 2, …, n},T = {t1, t2, …, tn}和D = {d1, d2, …, dn},用贪心算法求具有最小延迟的调度f。
(1) 算法设计思路
对客户希望完成的时间进行从小到大排序,相应的预计对客户服务的时间对应排序
初始化f和延迟数组
(2) 算法实现的伪代码及其计算时间复杂度分析
求解调度问题的算法Schedule(int[] d,int[] t)
输入:预计对客户服务时间t[],客服希望服务时间d[]
输出:最大的延迟时间
s1: int n=d.length
s2: for (int i=0 to n-1)
s3: for (int j=i+1 to n-1)
s4: if (d[i]>d[j]) 交换d[i]和d[j],t[i]和t[j]
s5: end for
s6: end for
s7: int[] f=new int[n+1];int[] delay=new int[n];f[0]=0
s8: for (inti =1 to n)
s9: f[i]=f[i-1]+t[i-1]
s10: end for
s11: for (inti =0 to n-1)
s12: if (f[i+1]>d[i]) delay[i]=f[i+1]-d[i];
s13: else delay[i]=0;
s14: end for
s15: Array.sort(d);
s16: return d[n-1]
算法Schedule的计算时间复杂度分析:
O(NlogN)
(3) 实验代码
import java.util.Arrays;
public class 分配调度 {
static int schedule(int[] d,int[] t){
int n=d.length;//获取数组的长度
//将数组d从小到大排序,相应的t对应排序
for (int i=0;i<n;i++)
for (int j=i+1;j<n;j++){
if (d[i]>d[j]){
swap(d[i],d[j]);//交换两个数
swap(t[i],t[j]);
}
}
int[] f=new int[n+1];//创建一个数组用了存储服务的依次总时间
int[] delay=new int[n];//存储延迟数
f[0]=0;
for (int i=1;i<=n;i++)//初始化f
f[i]=f[i-1]+t[i-1];
for (int i=0;i<n;i++){//判断是否延迟
if (f[i+1]>d[i])//延迟
delay[i]=f[i+1]-d[i];
else //不延迟
delay[i]=0;
}
Arrays.sort(delay);//对延迟数组进行从小到大排序
return delay[n-1];//返回最大的延迟数
}
//交换两个数的方法
static void swap(int i, int j) {
// TODO Auto-generated method stub
int temp=i;
i=j;
j=temp;
}
public static void main(String[] args) {
int[] d={10,12,15,11,20};
int[] t={5,8,4,10,3};
int max=schedule(d,t);
System.out.println(max);
}
}
(4) 体会
贪心算法主要是做出对当前最好的选择,所以对客户的希望服务时间从小到大排序。