c++用dfs写代码有n个任务在k个可并行工作的机器上执行。每个任务需要执行t时间，请你设计一个算法，找出完成这n个任务的最佳调度，使得完成全部任务的时间最短。 输入 测试样例由多组测试数据组成。 每个样例包含两行，第一行输入两个正整数n和k； 第二行输入n个整数ti，表示每个任务需要运行的时间。 1 <= n，k <= 20，1 <= ti <= 100 输出 对每个测试例，输出一行，表示结果。

好的，我可以为您提供一个使用深度优先搜索（DFS）的 C++ 代码示例。

假设我们有n个任务需要在k个可并行工作的机器上执行，每个任务需要执行t时间。我们需要找到完成这n个任务的最佳调度，使得完成全部任务的时间最短。我们可以使用 DFS 来实现此目标。

具体地，我们可以将每个任务按照所需时间从大到小排序。然后，我们从第一个任务开始，依次将其分配给k台机器中当前总时间最小的那台机器。每次分配任务时，我们可以记录当前各机器的总时间，并在后续搜索中使用这些信息来优化搜索过程。为了避免重复搜索，我们需要使用一个布尔数组来记录哪些任务已经被分配到了机器上。当我们完成所有任务的分配后，我们可以计算出完成所有任务所需的时间，并将其与当前最短时间进行比较，从而更新最短时间。

以下是 C++ 代码示例：

#include <iostream>
#include <vector>
#include <algorithm>
#include <cstring>
using namespace std;

const int N = 25;

int n, k;
vector<int> tasks;
int machines[N];
bool vis[N];
int ans;

void dfs(int u, int t) {
    if (t >= ans) {
        return;
    }
    if (u == n) {
        ans = t;
        return;
    }
    int used[N], min_time = 1e9;
    memset(used, 0, sizeof(used));
    for (int i = 0; i < k; i++) {
        used[machines[i]] = 1;
        min_time = min(min_time, machines[i]);
    }
    for (int i = 0; i < n; i++) {
        if (!vis[i]) {
            vis[i] = true;
            for (int j = 0; j < k; j++) {
                if (machines[j] == min_time) {
                    machines[j] += tasks[i];
                    dfs(u + 1, max(t, machines[j] - tasks[i]));
                    machines[j] -= tasks[i];
                }
            }
            vis[i] = false;
        }
    }
}

int main() {
    while (cin >> n >> k) {
        tasks.resize(n);
        for (int i = 0; i < n; i++) {
            cin >> tasks[i];
        }
        sort(tasks.begin(), tasks.end(), greater<int>());
        memset(vis, false, sizeof(vis));
        memset(machines, 0, sizeof(machines));
        ans = 1e9;
        dfs(0, 0);
        cout << ans << endl;
    }
    return 0;
}

在上面的代码中，我们使用了一个全局变量 ans 来记录当前最短时间。当我们找到一种更优的任务调度方案时，我们将其记录下来，并更新 ans 的值。需要注意的是，由于该算法需要遍历所有可能的任务调度方案，因此其时间复杂度较高，为 O(n^k)。