Проблема: Рассмотрим задачу планирования русских рабочих мест на машинах M, где каждая работа у меня есть время обработки р я и дает прибыль г я (Т), если завершено к моменту t. Все задания высвобождаются в момент времени 0. Все g i (t) являются не увеличивающимися функциями. Для простоты можно предположить, что машины не являются превентивными.Эффективные рабочие места планирования с снижением прибыли на нескольких машинах
Для M = 1 и линейно убывающих функций прибыли. эта проблема может быть решена в O (n) с использованием жадного алгоритма. Но для общих функций оно NP-полно.
Меня интересует общий случай. Пожалуйста, дайте мне ссылку на документы или материалы для решения проблемы. Я искал в Интернете, но не нашел ничего интересного для M> 1, хотя ранее были работы по аппроксимированию оценок для M = 1.
Обратите внимание, что я не ожидаю, что вы разрешите это, но вам просто нужно выполнить предыдущие работы над подобными проблемами, если они есть. И если у вас есть идеи, которые могут помочь, пожалуйста, не стесняйтесь делиться ими.
Я хочу знать, какие границы известны для этой проблемы с m машинами и n заданиями с теми же датами выпуска и общей невозрастающей функцией прибыли. Я нашел бумагу на этом направлении
http://arxiv.org/pdf/1008.4889v1.pdf
Они дали O (1) приближение, когда все работы имеют одинаковые времена высвобождения. Я хочу найти аналогичную литературу для проблемы и какие идеи они использовали для решения проблемы.
Можете ли вы доказать какую-либо оценку упомянутого выше решения. Я имею в виду, что ваш метод выглядит многообещающим (и будет работать в довольно, как я полагаю), но может ли не быть gaurantees по временной сложности и насколько хороший конечный результат будет сравниваться с оптимальным решением. Я ищу больше доказуемых ограничений на проблему. – v78
@ cc2, возможно, для данного начального решения (которое не зависит от улучшения Meta Heuristics) может быть дана оценка, но я не могу сказать. Для метаэвристики можно, конечно, контролировать время выполнения, но нельзя дать никаких ограничений. Это более практичная вещь: тщательно разработанный подход Meta Heuristics может быть очень успешным на практике. – coproc
Это хороший инженерный подход, но он искал лучшие доказуемые оценки, известные для общего случая проблемы. – v78