转:时间片轮转调度算法是先进先出调度算法的一种改进版

简介: 时间片轮转调度算法(Round Robin Scheduling Algorithm)是一种操作系统进程调度算法。它是先进先出(FIFO)调度算法的一种改进版本。

时间片轮转调度算法(Round Robin Scheduling Algorithm)是一种操作系统进程调度算法。它是先进先出(FIFO)调度算法的一种改进版本。

该算法的工作方式如下:

  1. 系统维护一个有限长的队列,该队列包含所有就绪的进程。
  2. 每个进程都有一个时间片,指定了该进程在处理机上的最大运行时间。
  3. 在处理机上,每次进程运行的时间不超过其时间片。
  4. 如果一个进程的运行时间小于其时间片,则该进程在运行完后等待。
  5. 如果一个进程的运行时间等于其时间片,则该进程在运行完后被调度器替换为下一个进程。

优点:
• 每个进程都有机会在处理机上运行,从而避免饥饿。
• 由于每个进程都只能在处理机上运行一段固定的时间,因此不会存在占用太长时间的进程。

缺点:
• 由于每次切换都需要花费额外的时间,因此速度较慢。
• 可能存在因等待时间太长而导致进程失去响应的情况。

时间片轮转调度算法适用于多任务环境,特别是在处理大量小任务时,效率比较高。然而,对于大任务或长时间运行的任务,效率较低,因为它需要频繁地切换。

该算法在不同的编程语言中的代码实现可能有所差异,但基本思路和流程相似。在 Java 中,通过使用线程和循环实现该算法是很常见的。

以下是一个 Java 代码示例,模拟了时间片轮转调度算法:
import java.util.*;
public class RoundRobin {
static void findWaitingTime(int processes[], int n, int bt[], int wt[], int quantum) {
int rem_bt[] = new int[n];
for (int i = 0 ; i < n ; i++)
rem_bt[i] = bt[i];
int t = 0;
while(true) {
boolean done = true;
for (int i = 0 ; i < n; i++) {
if (rem_bt[i] > 0) {
done = false;
if (rem_bt[i] > quantum) {
t += quantum;
rem_bt[i] -= quantum;
}
else {
t = t + rem_bt[i];
wt[i] = t - bt[i];
rem_bt[i] = 0;
}
}
}
if (done == true)
break;
}
}
static void findTurnAroundTime(int processes[], int n, int bt[], int wt[], int tat[]) {
for (int i = 0; i < n ; i++)
tat[i] = bt[i] + wt[i];
}
static void findavgTime(int processes[], int n, int bt[], int quantum) {
int wt[] = new int[n], tat[] = new int[n];
int total_wt = 0, total_tat = 0;
findWaitingTime(processes, n, bt, wt, quantum);
findTurnAroundTime(processes, n, bt, wt, tat);
System.out.println("Processes " + " Burst time " + " Waiting time " + " Turn around time");
for (int i=0; i<n; i++) {
total_wt = total_wt + wt[i];
total_tat = total_tat + tat[i];
System.out.println(" " + (i+1) + "\t\t" + bt[i] + "\t\t" + wt[i] + "\t\t" + tat[i]);
}
System.out.println("Average waiting time = " + (float)total_wt / (float)n);
System.out.println("Average turn around time = " + (float)total_tat / (float)n);
}
public static void main(String[] args) {
int processes[] = { 1, 2, 3};
int n = processes.length;
int burst_time[] = {10, 5, 8};
int quantum = 2;
findavgTime(processes, n, burst_time, quantum);
}
}

该代码中定义了三个方法:

  1. findWaitingTime:计算每个进程的等待时间。
  2. findTurnAroundTime:计算每个进程的周转时间。
  3. findavgTime:计算平均等待时间和平均周转时间。

在 main 方法中,首先定义了三个进程的编号,以及每个进程的爆发时间。接下来设置时间片为 2,最后调用 findavgTime 方法,计算平均等待时间和平均周转时间。
image.png

本文转载自:https://www.vipshare.com/archives/40156

目录
相关文章
|
9月前
|
机器学习/深度学习 算法 调度
基于NSGA-III算法求解微电网多目标优化调度研究(Matlab代码实现)
基于NSGA-III算法求解微电网多目标优化调度研究(Matlab代码实现)
331 3
|
9月前
|
机器学习/深度学习 运维 算法
基于非支配排序遗传算法NSGAII的综合能源优化调度(Matlab代码实现)
基于非支配排序遗传算法NSGAII的综合能源优化调度(Matlab代码实现)
457 0
基于非支配排序遗传算法NSGAII的综合能源优化调度(Matlab代码实现)
|
9月前
|
机器学习/深度学习 边缘计算 监控
【创新】【微电网多目标优化调度】五种多目标优化算法(MOJS、NSGA3、MOGWO、NSWOA、MOPSO)求解微电网多目标优化调度(Matlab代码实现)
【创新】【微电网多目标优化调度】五种多目标优化算法(MOJS、NSGA3、MOGWO、NSWOA、MOPSO)求解微电网多目标优化调度(Matlab代码实现)
687 0
|
9月前
|
机器学习/深度学习 算法 安全
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)
265 0
|
9月前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
368 1
|
9月前
|
机器学习/深度学习 存储 算法
【微电网优化调度】五种多目标优化算法(MOPSO、MOAHA、NSGA2、NSGA3、MOGWO)求解微电网多目标优化调度比较研究【创新未发表】(Matlab代码实现)
【微电网优化调度】五种多目标优化算法(MOPSO、MOAHA、NSGA2、NSGA3、MOGWO)求解微电网多目标优化调度比较研究【创新未发表】(Matlab代码实现)
430 8
|
9月前
|
运维 算法 搜索推荐
基于天牛须(BAS)与NSGA-Ⅱ混合算法的交直流混合微电网多场景多目标优化调度(Matlab代码实现)
基于天牛须(BAS)与NSGA-Ⅱ混合算法的交直流混合微电网多场景多目标优化调度(Matlab代码实现)
427 1
|
9月前
|
机器学习/深度学习 边缘计算 分布式计算
基于差分进化算法的微电网调度研究(Matlab代码实现)
基于差分进化算法的微电网调度研究(Matlab代码实现)
299 1
|
9月前
|
存储 机器学习/深度学习 运维
基于改进灰狼算法的并网交流微电网经济优化调度研究(Matlab代码实现)
基于改进灰狼算法的并网交流微电网经济优化调度研究(Matlab代码实现)
152 1
|
9月前
|
机器学习/深度学习 存储 算法
【微电网调度】考虑需求响应的基于改进多目标灰狼算法的微电网优化调度研究(Matlab代码实现)
【微电网调度】考虑需求响应的基于改进多目标灰狼算法的微电网优化调度研究(Matlab代码实现)
388 0

热门文章

最新文章