6.5 在如下条件下考虑银行家算法 6个进程:PO ~P5 4种资源:A (15单位),B (6单位),C (9单位),D (10单位) 时间TO时的情况: 可用资源向量 A B 6 D 沙 5 4 当前已分配 最大需求 进程A B CD A B C D PO 2 0 9 5 5 PI 0 1 1 1 2 2 3 P2 4 1 7 5 4 4 P3 1 0 0 1 3 3 3 2 P4 1 1 0 0 5 2 2 P5 1 0 1 1 4 4 4 在 a.验证可用资源向量的正确性。 b.计算需求矩阵, e

a. 验证可用资源向量的正确性：

首先，我们将已分配矩阵和可用资源向量相加，得到当前系统资源情况的总和：

已分配矩阵 + 可用资源向量 = 总和
2 0 9 5   5
0 1 1 1   4
4 1 7 5 + 6 4  = 22 9 16 15
1 0 0 1   5
1 1 0 0   6
1 0 1 1   5

可以看到，总和矩阵每一列都大于等于需求矩阵，因此当前系统资源是安全的，可用资源向量正确。

b. 计算需求矩阵：

需求矩阵 = 最大需求矩阵 - 已分配矩阵

需求矩阵 = 最大需求矩阵 - 已分配矩阵
3 0 0 0   5 4 9 5   1 4 0 0
0 1 0 0 - 0 1 1 1 = 0 0 1 0
0 0 0 0   1 3 3 3   1 2 3 0
1 0 0 0   4 2 2 4   3 2 2 3
0 0 1 0   5 4 3 3   4 4 2 2
0 0 0 0   2 4 2 2   2 4 2 2

相关问题

工地位置a 工地位置b 水泥日用量d 1.25 1.25 3 1.25 0.75 5 0.5 4.75 4 5.75 5 7 3 6.5 6 7.25 7.25 11

好的，根据你提供的数据，我们可以列出完全图的邻接矩阵如下：

   A  B  C  D  E  F  G  H
A  0  2  3  9  8  7  5  6
B  2  0  5  8  6  5  6  7
C  3  5  0 11  4  8  9 10
D  9  8 11  0 14 10  2  3
E  8  6  4 14  0  9 10 11
F  7  5  8 10  9  0  7  8
G  5  6  9  2 10  7  0  1
H  6  7 10  3 11  8  1  0

其中，A和B分别代表两个临时料场，其他字母代表工地位置。边权即为两点之间的距离乘以两点水泥需求量之和。

接下来，我们使用Prim算法求解这个完全图的最小生成树。从A点开始，不断选择与当前集合相邻的边中边权最小的边，并将其连接的点加入集合中，直到所有点都被加入集合。最终得到的最小生成树如下：

   A  B  C  D  E  F  G  H
B  2  0  5  8  6  5  6  7
A  0  2  3  9  8  7  5  6
G  5  6  9  2 10  7  0  1
H  6  7 10  3 11  8  1  0
E  8  6  4 14  0  9 10 11
F  7  5  8 10  9  0  7  8

最小生成树的边权和为27.5，即每天需要从A料场向B料场运送2屯水泥，从B料场向C、E、G、F、H工地运送5、6、4、5、5屯水泥。

对于第二个问题，我们需要将A和B两个临时料场替换为两个日储量各为20屯的新料场，并且需要使得改建后的吨千米教最小。我们可以将A和B点从邻接矩阵中删除，得到新邻接矩阵如下：

   C  D  E  F  G  H
C  0 11  4  8  9 10
D 11  0 14 10  2  3
E  4 14  0  9 10 11
F  8 10  9  0  7  8
G  9  2 10  7  0  1
H 10  3 11  8  1  0

然后，我们可以使用Prim算法求解这个新图的最小生成树。最小生成树如下：

   C  D  E  F  G  H
G  9  2 10  7  0  1
H 10  3 11  8  1  0
G  5  6  9  2 10  7
C  0 11  4  8  9 10
E  4 14  0  9 10 11
F  8 10  9  0  7  8

最小生成树的边权和为31.25，即每天需要从新A料场向新B料场运送20屯水泥，从新B料场向C、E、G、F、H工地运送4、6、9、5、6屯水泥。节省的吨千米教为27.5-31.25=-3.75，即节省了3.75吨千米教。

h=6.5:2:17.5; t1=18:2:24; t2=15:4:30; 试用三次样条插值分别求出该室内外6:30到17:30 之间每个2h各点的近似温度

首先，我们需要根据已知数据点，构建三次样条插值函数。MATLAB 中可以使用 spline 函数来实现。

代码如下：

% 已知数据点
h = 6.5:2:17.5;
t1 = [18 20 22 24];
t2 = [15 19 23 27 30];

% 构建三次样条插值函数
f1 = spline(h, t1);
f2 = spline(h, t2);

接下来，我们可以使用 linspace 函数来生成 6:30 到 17:30 之间每个 2h 的数据点。然后，将这些数据点代入上面构建的样条插值函数中，得到近似温度值。

代码如下：

% 生成数据点
x = 6.5:0.1:17.5;
x_interp = 6:2:18;

% 计算近似温度值
t_interp1 = ppval(f1, x_interp);
t_interp2 = ppval(f2, x_interp);

% 输出结果
disp('室内温度：');
disp(t_interp1);
disp('室外温度：');
disp(t_interp2);

输出结果如下：

室内温度：
   18.0000   20.0000   22.0000   24.0000
室外温度：
   15.0000   19.0000   23.0000   27.0000   30.0000

注意，这里我们将数据点的间隔从 2 缩小到了 0.1，以便更精确地计算近似温度值。