活动介绍

并行机器上的固定顺序调度

立即解锁
发布时间: 2025-08-18 01:43:53 阅读量: 29 订阅数: 24 AIGC
PDF

整数规划与组合优化:IPCO 2019精选论文集

### 并行机器上的固定顺序调度 #### 1. 引言 在许多物流和服务应用中,存在一个看似简单却极具挑战性的调度问题。给定一系列作业和一组机器,需要将作业逐个分配到机器上,且每台机器要保持作业的原始顺序,即遵循先进先出(FIFO)原则。每个作业有处理时间 $p_j$ 和权重 $w_j$,目标是最小化加权完成时间的总和,其中作业 $j$ 的完成时间是同一机器上先于 $j$(包括 $j$ 本身)的所有作业的总处理时间。 这个问题与排队论中的任务分配问题相关,不同之处在于排队论中的作业是随时间随机到达的。该问题可以看作是在完全了解处理时间的情况下,将单个队列中的作业最优地分配到 $m$ 个服务器队列中,本质上是将一个队列拆分为 $m$ 个队列。而将 $m$ 个队列合并为一个队列的反向问题,是经典的单机调度问题,可通过贪心选择总权重与总处理时间之比最大的作业前缀来高效解决。 在调度文献中,固定顺序调度问题可视为具有序列相关设置时间的调度问题的特殊情况。对于该问题,在线版本(即在知道序列中的下一个作业之前就需要分配当前作业)不存在常数竞争比的算法。 #### 2. 问题定义、符号表示和 NP 难性 有一组相同的机器 $M = \{1, \ldots, m\}$,每台机器一次只能处理一个作业,以及一个全序的作业集 $J = \{1, \ldots, n\}$,每个作业 $j \in J$ 有权重 $w_j \in N$ 和处理时间 $p_j \in N$。定义作业 $j$ 的 Smith 比率 $s_j := \frac{w_j}{p_j}$。 可行调度 $\mu : J \to M$ 为每个作业 $j$ 分配一台机器 $\mu(j)$。调度 $\mu$ 的成本是加权完成时间的总和: $\Gamma(\mu) = \sum_{k \in J} \sum_{j \in J: j \leq k, \mu(j) = \mu(k)} p_j \cdot w_k$ 目标是最小化调度的成本。记最优成本为 $opt$,$\sigma_{\mu} : J \to N$ 为将每个作业映射到其在调度 $\mu$ 下的完成时间的函数,定义偏序 $\prec$ 为:$j \prec k$ 当且仅当 $j < k$ 且 $s_j \leq s_k$。 不允许 $p_j = 0$,这是为了确保 Smith 比率 $\frac{w_j}{p_j}$ 始终有定义,但结果可轻松扩展到允许处理时间为零的作业的情况。最小化加权完成时间总和且无排序约束的问题是经典的强 NP 难问题,该结果也适用于固定顺序调度。 #### 3. 最优解的结构性质 ##### 3.1 单位处理时间 假设所有作业的处理时间相等,不妨设为 1。此时,$j \prec k$ 表示 $j < k$ 且 $w_j \leq w_k$。假设调度是阶梯形的,即对于作业的每个前缀 $1, \ldots, k$,分配到每台机器的作业数量随机器索引单调递减。 定义 1:如果对于每个作业 $k$,$\mu(k) = |\{j < k : \sigma_{\mu}(j) = \sigma_{\mu}(k)\}| + 1$,则调度 $\mu$ 是阶梯形的。 任何调度都可以转换为阶梯形调度而不改变任何作业的完成时间。 定义 2:如果对于每个 $j \prec k$,都有 $\mu(j) \leq \mu(k)$,则调度 $\mu$ 是 Smith 单调的。 引理 1:对于单位处理时间,存在一个最优调度是 Smith 单调且阶梯形的。 证明思路:定义势函数 $\sum_{j \in J} \mu(j)j$,假设 $\mu$ 是在最优且阶梯形的调度中使该势函数最大的解。若 $\mu$ 不是 Smith 单调的,则存在违反 Smith 单调性的紧对 $j \prec k$。通过交换 $j$ 和 $k$ 的机器分配,可以得到一个势函数更高但成本不增加的调度。若新调度不是阶梯形的,对作业进行排序可解决此问题,且不会改变完成时间,这与原调度的选择矛盾。 ##### 3.2 一般处理时间 对于一般处理时间,可能不存在最优的 Smith 单调调度,但可以在目标函数上损失一个常数因子的情况下施加这种结构。 给定一般问题的实例 $I$,通过将每个作业 $j \in J$ 替换为一组 $p_j$ 个连续的作业 $U(j) = \{j_1, \ldots, j_{p_j}\}$,每个作业的处理时间为 1,权重为 $\frac{w_j}{p_j}$,得到单位处理时间的实例 $I_{unit}$。设 $J_{unit}$ 是 $I_{unit}$ 的作业集,$opt_{unit}$ 是 $I_{unit}$ 的最优成本。 引理 2:$opt_{unit} \leq opt - \sum_{j \in J} \frac{1}{2}(p_j - 1)w_j$ 引理 3:$I$ 的最优 Smith 单调调度的成本至多为 $opt_{unit} + \sum_{j \in J}(p_j -
corwn 最低0.47元/天 解锁专栏
赠100次下载
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

张_伟_杰

人工智能专家
人工智能和大数据领域有超过10年的工作经验,拥有深厚的技术功底,曾先后就职于多家知名科技公司。职业生涯中,曾担任人工智能工程师和数据科学家,负责开发和优化各种人工智能和大数据应用。在人工智能算法和技术,包括机器学习、深度学习、自然语言处理等领域有一定的研究
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看
立即解锁

专栏目录

最新推荐

Rust开发实战:从命令行到Web应用

# Rust开发实战:从命令行到Web应用 ## 1. Rust在Android开发中的应用 ### 1.1 Fuzz配置与示例 Fuzz配置可用于在模糊测试基础设施上运行目标,其属性与cc_fuzz的fuzz_config相同。以下是一个简单的fuzzer示例: ```rust fuzz_config: { fuzz_on_haiku_device: true, fuzz_on_haiku_host: false, } fuzz_target!(|data: &[u8]| { if data.len() == 4 { panic!("panic s

Rust模块系统与JSON解析:提升代码组织与性能

### Rust 模块系统与 JSON 解析:提升代码组织与性能 #### 1. Rust 模块系统基础 在 Rust 编程中,模块系统是组织代码的重要工具。使用 `mod` 关键字可以将代码分隔成具有特定用途的逻辑模块。有两种方式来定义模块: - `mod your_mod_name { contents; }`:将模块内容写在同一个文件中。 - `mod your_mod_name;`:将模块内容写在 `your_mod_name.rs` 文件里。 若要在模块间使用某些项,必须使用 `pub` 关键字将其设为公共项。模块可以无限嵌套,访问模块内的项可使用相对路径和绝对路径。相对路径相对

React应用性能优化与测试指南

### React 应用性能优化与测试指南 #### 应用性能优化 在开发 React 应用时,优化性能是提升用户体验的关键。以下是一些有效的性能优化方法: ##### Webpack 配置优化 通过合理的 Webpack 配置,可以得到优化后的打包文件。示例配置如下: ```javascript { // 其他配置... plugins: [ new webpack.DefinePlugin({ 'process.env': { NODE_ENV: JSON.stringify('production') } }) ],

Rust应用中的日志记录与调试

### Rust 应用中的日志记录与调试 在 Rust 应用开发中,日志记录和调试是非常重要的环节。日志记录可以帮助我们了解应用的运行状态,而调试则能帮助我们找出代码中的问题。本文将介绍如何使用 `tracing` 库进行日志记录,以及如何使用调试器调试 Rust 应用。 #### 1. 引入 tracing 库 在 Rust 应用中,`tracing` 库引入了三个主要概念来解决在大型异步应用中进行日志记录时面临的挑战: - **Spans**:表示一个时间段,有开始和结束。通常是请求的开始和 HTTP 响应的发送。可以手动创建跨度,也可以使用 `warp` 中的默认内置行为。还可以嵌套

Rust编程:模块与路径的使用指南

### Rust编程:模块与路径的使用指南 #### 1. Rust代码中的特殊元素 在Rust编程里,有一些特殊的工具和概念。比如Bindgen,它能为C和C++代码生成Rust绑定。构建脚本则允许开发者编写在编译时运行的Rust代码。`include!` 能在编译时将文本文件插入到Rust源代码文件中,并将其解释为Rust代码。 同时,并非所有的 `extern "C"` 函数都需要 `#[no_mangle]`。重新借用可以让我们把原始指针当作标准的Rust引用。`.offset_from` 可以获取两个指针之间的字节差。`std::slice::from_raw_parts` 能从

Rust数据处理:HashMaps、迭代器与高阶函数的高效运用

### Rust 数据处理:HashMaps、迭代器与高阶函数的高效运用 在 Rust 编程中,文本数据管理、键值存储、迭代器以及高阶函数的使用是构建高效、安全和可维护程序的关键部分。下面将详细介绍 Rust 中这些重要概念的使用方法和优势。 #### 1. Rust 文本数据管理 Rust 的 `String` 和 `&str` 类型在管理文本数据时,紧密围绕语言对安全性、性能和潜在错误显式处理的强调。转换、切片、迭代和格式化等机制,使开发者能高效处理文本,同时充分考虑操作的内存和计算特性。这种方式强化了核心编程原则,为开发者提供了准确且可预测地处理文本数据的工具。 #### 2. 使

Rust项目构建与部署全解析

### Rust 项目构建与部署全解析 #### 1. 使用环境变量中的 API 密钥 在代码中,我们可以从 `.env` 文件里读取 API 密钥并运用到函数里。以下是 `check_profanity` 函数的代码示例: ```rust use std::env; … #[instrument] pub async fn check_profanity(content: String) -> Result<String, handle_errors::Error> { // We are already checking if the ENV VARIABLE is set

iOS开发中的面部识别与机器学习应用

### iOS开发中的面部识别与机器学习应用 #### 1. 面部识别技术概述 随着科技的发展,如今许多专业摄影师甚至会使用iPhone的相机进行拍摄,而iPad的所有当前型号也都配备了相机。在这样的背景下,了解如何在iOS设备中使用相机以及相关的图像处理技术变得尤为重要,其中面部识别技术就是一个很有价值的应用。 苹果提供了许多框架,Vision框架就是其中之一,它可以识别图片中的物体,如人脸。面部识别技术不仅可以识别图片中人脸的数量,还能在人脸周围绘制矩形,精确显示人脸在图片中的位置。虽然面部识别并非完美,但它足以让应用增加额外的功能,且开发者无需编写大量额外的代码。 #### 2.

AWS无服务器服务深度解析与实操指南

### AWS 无服务器服务深度解析与实操指南 在当今的云计算领域,AWS(Amazon Web Services)提供了一系列强大的无服务器服务,如 AWS Lambda、AWS Step Functions 和 AWS Elastic Load Balancer,这些服务极大地简化了应用程序的开发和部署过程。下面将详细介绍这些服务的特点、优缺点以及实际操作步骤。 #### 1. AWS Lambda 函数 ##### 1.1 无状态执行特性 AWS Lambda 函数设计为无状态的,每次调用都是独立的。这种架构从一个全新的状态开始执行每个函数,有助于提高可扩展性和可靠性。 #####

并发编程中的锁与条件变量优化

# 并发编程中的锁与条件变量优化 ## 1. 条件变量优化 ### 1.1 避免虚假唤醒 在使用条件变量时,虚假唤醒是一个可能影响性能的问题。每次线程被唤醒时,它会尝试锁定互斥锁,这可能与其他线程竞争,对性能产生较大影响。虽然底层的 `wait()` 操作很少会虚假唤醒,但我们实现的条件变量中,`notify_one()` 可能会导致多个线程停止等待。 例如,当一个线程即将进入睡眠状态,刚加载了计数器值但还未入睡时,调用 `notify_one()` 会阻止该线程入睡,同时还会唤醒另一个线程,这两个线程会竞争锁定互斥锁,浪费处理器时间。 解决这个问题的一种相对简单的方法是跟踪允许唤醒的线