【算法导论】动态规划算法之装配线调度

简介:         和分治算法一样,动态规划是通过组合子问题的解而解决整个问题的。但是与分治算法不同的是,动态规划算法适用于子问题不是独立的情况,也就是各子问题包含公共的子子问题。

        和分治算法一样,动态规划是通过组合子问题的解而解决整个问题的。但是与分治算法不同的是,动态规划算法适用于子问题不是独立的情况,也就是各子问题包含公共的子子问题。动态规划通常用于最优化问题的求解。看一个问题是否适合采用动态规划算法,主要有两个标志 :最优子结构重叠子问题。
最优子结构:问题的一个最优解包含了子问题的最优解。
重叠子问题:当一个递归算法不断地调用同一问题时,我们说该最优子问题包含重叠子问题。
动态规划算法的设计步骤如下:
1.描述最优解的结构。
2.递归定义最优解的值。
3.按自底向上的方式计算最优解的值。
4.由计算出的结果构造一个最优解。
        下面利用动态规划算法求解一些最优化问题,本文解决装配线调度问题,问题如下:
假设有2条生产线,每条生产线有6个装配点。两条生产线对应点的功能相同,但是时间有所差别。产品需要经过这6个点才能完成生产。在同一条生产线上,产品从一个装配点转到下一个装配点的时间可以忽略,但是从一条生产线到另一条生产线则需要时间消耗。我们的问题是如何找到最短时间的路径。
      上面问题的一般模型如下图:

我们将上述一般模型实例化,可以转换为下图:
        
在上图中,f1[i]为到达第一条生产线中第i个装配站的时间(包括在第i站的时间);f2[i]为到达第二条生产线中第i个装配站的时间(包括在第i站的时间);l1[i]为到达第一条生产线中第i个装配站的上一站是哪条生产线;l2[i]为到达第一条生产线中第i个装配站的上一站是哪条生产线。f*为最终的最短时间,l*为产品最终在哪条生产线上完成生产。
算法思想如下:

        正如上面所说,我们先分别计算到两个装配线的站点1的最短路径,然后计算到站点2的最短路径,直到最终的最短路径。因为到一个站点的最短路径可以由前一个站点的最短路径加上前一个站点到本站点的最短路径。换句话说,到站点6的最短路径最优解包含到站点5的最优解,到站点5的最短路径最优解包含到站点4的最优解,……依此类推,最终可以变为到站点1的最优解。

算法实现如下:
#include<stdio.h>
#include<stdlib.h>

void print_route(int *l1,int *l2,int lfinal,int n);
int Fastest_way(int *a1,int n1,int *a2,int n2,int *t12,int n3,int *t21,int n4,int e1,int e2,int x1,int x2,int *l1,int *l2,int lfinal );

void main()
{
	
	int a1[]={7,9,3,4,8,4};//初始化各节点的时间消耗  
	int a2[]={8,5,6,4,5,7};
	int t12[]={2,3,1,3,4};
	int t21[]={2,1,2,2,1};
	int e1=2;
	int e2=4;
	int x1=3;
	int x2=2;
	int n1=sizeof(a1)/sizeof(int);
	int n2=sizeof(a2)/sizeof(int);
	int n3=sizeof(t12)/sizeof(int);
	int n4=sizeof(t21)/sizeof(int);
	//printf("%d%d%d%d\n",n1,n2,n3,n4);
	int l1[6]={0};//第一个元素没有使用,每个元素的值代表前一次所在的生产线
	int l2[6]={0};
	int lfinal=0;//表示产品最终在哪个条线完成装配
	lfinal=Fastest_way(a1,n1,a2,n2,t12,n3,t21,n4,e1,e2,x1,x2,l1,l2,lfinal );
	print_route(l1,l2,lfinal,n1);	

}
/******************************************************\
函数功能:寻找最短时间路径
输入:各个节点的时间消耗
输出:最终完成装配所在的生产线
\******************************************************/
int Fastest_way(int *a1,int n1,int *a2,int n2,int *t12,int n3,int *t21,int n4,int e1,int e2,int x1,int x2,int *l1,int *l2,int lfinal )
{

	int f1[6]={0};
	int f2[6]={0};
	int final=0;//为总的最短时间消耗
	f1[0]=e1+a1[0];
	f2[0]=e2+a2[0];
	

	for(int i=1;i<n1;i++)
	{
		if((f1[i-1]+a1[i])<=(f2[i-1]+a1[i]+t21[i-1]))
		{
			f1[i]=f1[i-1]+a1[i];
			l1[i]=1;
		}
		else
		{
			f1[i]=f2[i-1]+a1[i]+t21[i-1];
			l1[i]=2;
		}

		if((f2[i-1]+a2[i])<=(f1[i-1]+a2[i]+t12[i-1]))
		{
			f2[i]=f2[i-1]+a2[i];
			l2[i]=2;
		}
		else
		{
			f2[i]=f1[i-1]+a2[i]+t12[i-1];
			l2[i]=1;
		}
	}

	if((f1[n1-1]+x1)<(f2[n1-1]+x2))
	{
		final=f1[n1-1]+x1;
		lfinal=1;
	}
	else
	{
		final=f2[n1-1]+x2;
		lfinal=2;
	}
	
	//for(int i=0;i<6;i++)
	//	printf("%d ",f1[i]);
	//printf("\n");

	//for(int i=0;i<6;i++)
	//	printf("%d ",f2[i]);
	//printf("\n");

	//for(int i=1;i<6;i++)
	//	printf("%d ",l1[i]);
	//printf("\n");

	//for(int i=1;i<6;i++)
	//	printf("%d ",l2[i]);
	//printf("\n");

	return lfinal;
}

/**************************************************\
函数功能:逆向打印装配所经过的线路节点
输入:    记录经过的节点的数组了l1和l2、最终完成装配所在的生产线
输出:    打印装配所经过的路程
\**************************************************/
void print_route(int *l1,int *l2,int lfinal,int n)
{
	int flag=0;
	printf("line: %d ,station: %d\n",lfinal,n);
	for(int i=n-1;i>0;i--)
	{
		if(i==n-1)
		{
			if(lfinal==1)
			{
			  printf("line: %d ,station: %d\n",l1[i],i);
			  if(l1[i]==1)
			      flag=1;
			  else
				  flag=2;
			}
			else
			{
			  printf("line: %d ,station: %d\n",l2[i],i);
			  if(l2[i]==1)
				  flag=1;
			  else
			      flag=2;
			}
		}
		else
		{
			if(flag==1)
	        {
			  printf("line: %d ,station: %d\n",l1[i],i);
			   if(l1[i]==1)
			      flag=1;
			  else
				  flag=2;
			}
			else
			{
			  printf("line: %d ,station: %d\n",l2[i],i);
			   if(l2[i]==1)
				  flag=1;
			  else
			      flag=2;
			}
			
		}

	}
	
}


目录
相关文章
|
2月前
|
算法 调度 UED
探索操作系统的心脏:调度算法的奥秘与影响
【10月更文挑战第9天】 本文深入探讨了操作系统中至关重要的组件——调度算法,它如同人体的心脏,维持着系统资源的有序流动和任务的高效执行。我们将揭开调度算法的神秘面纱,从基本概念到实际应用,全面剖析其在操作系统中的核心地位,以及如何通过优化调度算法来提升系统性能。
|
20天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
18天前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
33 2
|
21天前
|
人工智能 算法 大数据
Linux内核中的调度算法演变:从O(1)到CFS的优化之旅###
本文深入探讨了Linux操作系统内核中进程调度算法的发展历程,聚焦于O(1)调度器向完全公平调度器(CFS)的转变。不同于传统摘要对研究背景、方法、结果和结论的概述,本文创新性地采用“技术演进时间线”的形式,简明扼要地勾勒出这一转变背后的关键技术里程碑,旨在为读者提供一个清晰的历史脉络,引领其深入了解Linux调度机制的革新之路。 ###
|
23天前
|
算法 Linux 定位技术
Linux内核中的进程调度算法解析####
【10月更文挑战第29天】 本文深入剖析了Linux操作系统的心脏——内核中至关重要的组成部分之一,即进程调度机制。不同于传统的摘要概述,我们将通过一段引人入胜的故事线来揭开进程调度算法的神秘面纱,展现其背后的精妙设计与复杂逻辑,让读者仿佛跟随一位虚拟的“进程侦探”,一步步探索Linux如何高效、公平地管理众多进程,确保系统资源的最优分配与利用。 ####
63 4
|
2月前
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
69 2
动态规划算法学习三:0-1背包问题
|
24天前
|
缓存 负载均衡 算法
Linux内核中的进程调度算法解析####
本文深入探讨了Linux操作系统核心组件之一——进程调度器,着重分析了其采用的CFS(完全公平调度器)算法。不同于传统摘要对研究背景、方法、结果和结论的概述,本文摘要将直接揭示CFS算法的核心优势及其在现代多核处理器环境下如何实现高效、公平的资源分配,同时简要提及该算法如何优化系统响应时间和吞吐量,为读者快速构建对Linux进程调度机制的认知框架。 ####
|
29天前
|
算法 大数据 Linux
深入理解操作系统之进程调度算法
【10月更文挑战第24天】本文旨在通过浅显易懂的语言,带领读者深入了解操作系统中的进程调度算法。我们将从进程的基本概念出发,逐步解析进程调度的目的、重要性以及常见的几种调度算法。文章将通过比喻和实例,使复杂的技术内容变得生动有趣,帮助读者建立对操作系统进程调度机制的清晰认识。最后,我们还将探讨这些调度算法在现代操作系统中的应用和发展趋势。
|
2月前
|
算法 调度 UED
深入理解操作系统的进程调度算法
【10月更文挑战第7天】在操作系统的心脏——内核中,进程调度算法扮演着至关重要的角色。它不仅影响系统的性能和用户体验,还直接关系到资源的合理分配。本文将通过浅显易懂的语言和生动的比喻,带你一探进程调度的秘密花园,从最简单的先来先服务到复杂的多级反馈队列,我们将一起见证算法如何在微观世界里编织宏观世界的和谐乐章。
|
2月前
|
算法
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
这篇文章介绍了动态规划算法中解决最大上升子序列问题(LIS)的方法,包括问题的描述、动态规划的步骤、状态表示、递推方程、计算最优值以及优化方法,如非动态规划的二分法。
68 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)