已知一批作业的作业名,提交时间,运行时间,要求使用FCFS算法,输出每个作业的开始执行时间,完成时间,周转时间,带权周转时间,这一批作业完成后,输出平均周转时间,平均带权周转时间。

时间: 2023-06-01 11:01:37 浏览: 62
假设有n个作业,它们的作业名、提交时间、运行时间分别为Ji、Si、Ti(i=1,2,3,...,n)。使用FCFS算法,按照提交时间先后顺序依次执行作业。 首先,计算每个作业的开始执行时间。对于第一个作业,它的开始执行时间就是提交时间Si;对于后续的作业,它的开始执行时间等于前一个作业的完成时间Ti-1。 其次,计算每个作业的完成时间。每个作业的完成时间等于它的开始执行时间加上运行时间Ti。 接着,计算每个作业的周转时间和带权周转时间。周转时间等于完成时间减去提交时间,带权周转时间等于周转时间除以运行时间Ti。 最后,计算平均周转时间和平均带权周转时间。对于n个作业,它们的平均周转时间等于所有作业的周转时间之和除以n,平均带权周转时间等于所有作业的带权周转时间之和除以n。 具体算法流程如下: 1. 输入作业数n和每个作业的作业名、提交时间、运行时间; 2. 按照提交时间从小到大的顺序排序所有作业; 3. 对于第一个作业,它的开始执行时间就是提交时间Si; 4. 对于后续的作业,它的开始执行时间等于前一个作业的完成时间Ti-1; 5. 每个作业的完成时间等于它的开始执行时间加上运行时间Ti; 6. 计算每个作业的周转时间和带权周转时间; 7. 计算平均周转时间和平均带权周转时间; 8. 输出每个作业的开始执行时间、完成时间、周转时间、带权周转时间以及平均周转时间和平均带权周转时间。 下面是一个Python实现的例子: ```python n = int(input("请输入作业数:")) jobs = [] for i in range(n): j_name, s_time, r_time = input("请输入作业名、提交时间、运行时间,用空格分隔:").split() jobs.append((j_name, int(s_time), int(r_time))) # 按照提交时间排序 jobs.sort(key=lambda x: x[1]) # 计算每个作业的开始执行时间、完成时间、周转时间和带权周转时间 start_time = [0]*n complete_time = [0]*n turnaround_time = [0]*n weighted_turnaround_time = [0]*n for i in range(n): if i == 0: start_time[i] = jobs[i][1] else: start_time[i] = max(complete_time[i-1], jobs[i][1]) complete_time[i] = start_time[i] + jobs[i][2] turnaround_time[i] = complete_time[i] - jobs[i][1] weighted_turnaround_time[i] = turnaround_time[i]/jobs[i][2] # 计算平均周转时间和平均带权周转时间 avg_turnaround_time = sum(turnaround_time)/n avg_weighted_turnaround_time = sum(weighted_turnaround_time)/n # 输出每个作业的信息 print("作业名\t提交时间\t运行时间\t开始执行时间\t完成时间\t周转时间\t带权周转时间") for i in range(n): print(jobs[i][0], "\t", jobs[i][1], "\t\t", jobs[i][2], "\t\t", start_time[i], "\t\t", complete_time[i], "\t\t", turnaround_time[i], "\t\t", weighted_turnaround_time[i]) print("平均周转时间:", avg_turnaround_time) print("平均带权周转时间:", avg_weighted_turnaround_time) ``` 输入样例: ``` 请输入作业数:5 请输入作业名、提交时间、运行时间,用空格分隔:J1 0 9 请输入作业名、提交时间、运行时间,用空格分隔:J2 1 3 请输入作业名、提交时间、运行时间,用空格分隔:J3 2 5 请输入作业名、提交时间、运行时间,用空格分隔:J4 3 4 请输入作业名、提交时间、运行时间,用空格分隔:J5 4 2 ``` 输出样例: ``` 作业名 提交时间 运行时间 开始执行时间 完成时间 周转时间 带权周转时间 J1 0 9 0 9 9 1.0 J2 1 3 9 12 11 3.6666666666666665 J3 2 5 12 17 15 3.0 J4 3 4 17 21 18 4.5 J5 4 2 21 23 19 9.5 平均周转时间: 14.4 平均带权周转时间: 4.333333333333333 ```

相关推荐

最新推荐

recommend-type

磁盘调度算法(最短寻道时间优先算法(SSTF) 扫描算法(SCAN) 先来先服务算法(FCFS) 循环扫描算法(CSCAN)....)

最短寻道时间优先算法(SSTF) 扫描算法(SCAN) 先来先服务算法(FCFS) 循环扫描算法(CSCAN)....
recommend-type

磁盘调度先来先服务 最短寻道时间优先

FCFS SSTF SCAN 算法 先来先服务 最短寻道时间优先 扫描
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

2. 通过python绘制y=e-xsin(2πx)图像

可以使用matplotlib库来绘制这个函数的图像。以下是一段示例代码: ```python import numpy as np import matplotlib.pyplot as plt def func(x): return np.exp(-x) * np.sin(2 * np.pi * x) x = np.linspace(0, 5, 500) y = func(x) plt.plot(x, y) plt.xlabel('x') plt.ylabel('y') plt.title('y = e^{-x} sin(2πx)') plt.show() ``` 运行这段
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这
recommend-type

导入numpy库,创建两个包含9个随机数的3*3的矩阵,将两个矩阵分别打印出来,计算两个数组的点积并打印出来。(random.randn()、dot()函数)

可以的,以下是代码实现: ```python import numpy as np # 创建两个包含9个随机数的3*3的矩阵 matrix1 = np.random.randn(3, 3) matrix2 = np.random.randn(3, 3) # 打印两个矩阵 print("Matrix 1:\n", matrix1) print("Matrix 2:\n", matrix2) # 计算两个数组的点积并打印出来 dot_product = np.dot(matrix1, matrix2) print("Dot product:\n", dot_product) ``` 希望