这是流行的 El Goog 问题的变体。
考虑以下调度问题:有 n 个作业,i = 1..n。有 1 台超级计算机和无限的 PC。每个作业都需要先经过超级计算机的预处理,然后再在 PC 上进行处理。超级计算机上作业 i 所需的时间为 si,i = 1..n。对于 PC,它是 pi,i = 1..n。PC 可以并行工作,但超级计算机一次只能完成一项工作。创建一个时间表 S,超级计算机将根据该时间表处理这些作业。计划 S 中的完成时间 Ti(S) 由 PC 上作业完成的时钟时间给出。我们想找到一个最小化 Maxi[Ti(s)] 的时间表(可以理解为:我们需要找到一个最小化最高完成时间的时间表). 提出了以下贪心算法: 在 PC 上按处理时间的递减顺序排列作业。该算法的复杂度为 O(nlogn)。要么证明这个算法产生了一个最优解,要么提供一个反例来证明它没有。
我的解决方案(不确定这是否正确):我认为我们如何订购工作并不重要。最高完成时间仍然相同。考虑这个在 PC 上处理作业列表的时间示例:<5、7、17、8、10>。这将产生 <5, 12, 29, 37, 47> 的完成时间。根据算法,我们将列表排序为 <17, 10, 8, 7, 5> 并将产生 <17, 27, 35, 42, 47> 的完成时间。因此,虽然从技术上讲,贪心算法确实给出了最佳排序,但它需要 nlogn 时间来做到这一点,而简单地遍历作业列表会给我们同样的结果。
如果有人认为贪心算法会更好,或者我的方法有缺陷,我会很感激你的想法。谢谢!
更新:我想我可能有答案。超级计算机花费的时间无关紧要。这里的关键是 PC并行运行。从 pi = <5, 7, 17, 8, 10> 的初始示例中,让我们添加 si = <8, 5, 1, 12, 9>。现在,在默认的未排序顺序中,我们的处理时间为 <13, 20, (8 + 5 + 1 + 17 = )31, 34, 45>。所以 45 是完成的时间。假设 pi 的排序顺序是递减的。输出为:<18、20、30、34、40>。[排序输入:pi = <17, 10, 8, 7, 5>, si = <1, 9, 12, 5, 8>]。
这里有一个例子可以说明一切:si = <17, 10>, pi = <10, 17>。未排序情况下的输出(也恰好按 si 的降序排序)将是 <27, 44>。根据 pi 排序,输入为:si = <10, 17>, pi = <17, 10>。输出为 <27, 37>。由于 PC 并行运行,因此您希望最后发送最短的作业。