每日一题（6）求解双核处理问题_已知有n个任务交付给系统中两个进程并行执行,每个任务在每个进程中的处理耗时期望-CSDN博客

求解双核处理问题。一种双核CPU的两个核能够同时处理任务，现在有n个已知数据量的任务需要交给CPU处理，假设已知CPU的每个核1秒可以处理1KB，每个核同时只能处理一项任务，n个任务可以按照任意顺序放入CPU进行处理。编写一个程序求出一个设计方案让CPU处理完这批任务所需的时间最少，求这个最少的时间。（提示：完成n个任务需要sum时间，放入两个核中执行，假设第一个核的处理时间为n1,第二个核的处理时间为sum-n1，并假设n1≤sum/2，sum-n1≥sum/2,要使处理时间最小，则n1越来越靠近sum/2,最终目标是求max(n1,sum-n1)的最大值。

函数接口定义：

void solve();

裁判测试程序样例：

#include <iostream> using namespace std; 
#define M 100 long length[M]; 
long dp[M]={0}; 
int n; 
void solve(); 
int main() { 
    void solve(); 
    cin>>n; 
    for(int i=0;i<n;i++)
        //输入任务长度 
        cin>>length[i]; 
        solve(); 
        return 0; 
} 

/* 请在这里填写答案 */

输入格式:

第一行输入一个整数n表示任务数，第二行再依次输入n个数，每个数表示任务长度，单位为KB（每个数均为1024的倍数）。

输出格式:

输出一个整数表示最少需要处理的时间。

输入样例1:

5
3072 3072 7168 3072 1024

输出样例1:

问题分析

这个问题本质上是一个划分问题。我们需要将 n 个任务分配到两个处理器上，使得处理时间最短。由于两个处理器是并行工作的，因此总的处理时间取决于处理时间较长的那个处理器。

如果任务的总长度为 sum，我们希望将任务分成两部分，尽量使得两部分的时间接近 sum/2。这样可以使得最长的处理时间最小。

形式化地说，如果我们用 n1 表示第一个处理器的处理时间，sum-n1 表示第二个处理器的处理时间，则总的处理时间为 max(n1, sum-n1)。而当 n1 = sum-n1 = sum/2 时，总处理时间最小。由于任务是离散的，我们无法总是实现完美的平分，因此问题转化为：找到一个尽可能接近但不超过 sum/2 的 n1。

解题思路

这个问题可以使用动态规划来解决，具体来说，是一个0-1背包问题的变形：

我们有 n 个物品（任务），每个物品的重量（时间）是 length[i]

背包容量是 sum/2

我们需要找到一种装包方式，使得背包内物品的总重量尽可能接近但不超过 sum/2

然而样例程序中背包容量上限定义为M=100，且各个任务长度严格满足1024 的倍数，因此我们可以把背包容量定义为sum/2048。

动态规划解法

我们使用一维滚动数组，定义 dp[j] 表示容量为 j 的背包能装入的最大重量。

状态转移方程为：

dp[j] = max(dp[j], dp[j-length[i]/1024] + length[i]/1024)

其中，j 表示背包容量（单位为秒），length[i]/1024 表示处理第 i 个任务所需的时间（秒）。

最终，两个半区间的最大值，即max(dp[half/1024] * 1024, sum - dp[half/1024] * 1024) 就是我们所求的最小处理时间。

代码实现

void solve(){
    int sum = 0;
    for(int i=0;i<n;i++){
        sum += length[i];
    }
    int half = sum/2;

    for(int i=0;i<n;i++){
        for(int j=half/1024;j>=length[i]/1024;j--){
            dp[j] = max(dp[j], length[i]+dp[j-length[i]/1024]);
        }
    }
    long maxValue = max(dp[half/1024], sum-dp[half/1024]);
    printf("%ld", maxValue);
}

普通01背包问题，为了避免出现数据叠加，第二层遍历需采用从大到小的方式。若为完全背包问题则无这个考量。