搶題演算法

1. 什麼是非搶占優先演算法

理論：
為照顧緊迫性作業，使之在進入系統後便獲得優先處理，引入了最高優先權優先（FPF）調度演算法。它分為兩種：
（一）非搶占式優先權演算法；
（二）搶占式優先權調度演算法。
1.非搶占式優先權演算法：系統一旦把處理機分配給就緒隊列中優先權最高的進程後,該進程便一直執行下去,直至完成。

2.搶占式優先權調度演算法：系統同樣把處理機分配給優先權最高的進程,使之執行.但在其執行期間,只要又出現了另一個其優先權更高的進程,進程調度程序就立即停止當前進程(原優先權最高的進程)的執行,重新將處理機分配給新到的優先權最高的進程。

分析：
採用非搶占式優先演算法時，最先來到的是進程P1，所以最先處理進程P1直到它結束，用時10；
在這10時間內進程P2先到來，然後是P3、P4，最後是P5，由於這些進程不能搶佔P1的進程，所以只能等待P1完成。
這些等待進程中P4的優先數最高，所以當P1執行完成後，先執行進程P4。
依次類推，最後可得作業順序為：P1=>P4=>P3=>P5=>P2

2. 用C語言程序編寫「搶24」游戲，規則就是兩個人，第一個人從數字1開始，可以說1或者1和2，第二個人

摘要 您好，從撲克中每次取出4張牌。使用加減乘除，第一個能得出24者為贏。（其中，J代表11，Q代表12，K代表13，A代表1），按照要求編程解決24點游戲。

3. 微信紅包先搶和後搶，差距既然這么大有人做了一個實驗

在搶微信紅包的過程中，可能許多人有這樣一種感覺，比如搶紅包貌似後搶比先搶能拿到更多的錢？有人就做了一個實驗……

我們找到了微信紅包的程序原理，按照正常的套路，搶紅包最簡單的辦法不就是把紅包的總錢數隨機分給幾個人么，但是微信偏不這樣，一定要讓第一個人抽到的錢只能在0.01元到20元之間。對於5個人搶50塊紅包而言，20元是個什麼數？在《微信紅包的架構設計簡介》中有如此的說明：每個能搶到的錢最多是當前剩餘金額的平均值的2倍。

因此，我們總結出了微信搶紅包的基本規律。

規則：每個人能搶到的金額服從「0.01到2倍剩餘均值」之間的隨機分布。

均值：不論先搶後搶，均值都一樣。

標准差：後搶的標准差更大，可能搶到超級大紅包，也可能搶到超級小紅包。

最大最小值：第一個搶搶不到大紅包，後搶才可能搶到超級大紅包。

手氣最佳：和紅包的個數是有關的。

風險偏好：如果你想要穩穩當當的搶，就先搶；如果你喜歡搶到超級大紅包，就後搶。

「手氣最佳發紅包」游戲：發的紅包數少就後搶，紅包多就中間搶，很多就先搶。

沒想到搶紅包也能成為一種文化，經過以上分析，終於知道紅包怎麼搶了，嘿嘿。

4. 被師姐搶課題怎麼辦

如果你跟師姐同時在做一個課題的話，可以跟導師商量一下，各做各的呀，使用不同的方法，每個人的想法都不是一樣的，可以使用不同的演算法來解決同一個問題，不過最好還是與導師商量一下，畢竟涉及到自己以後的方向與畢業！

5. 5個海盜分100個金幣問題！~會的進，要正確答案

首先從5號海盜開始，因為他是最安全的，沒有被扔下大海的風險，因此他的策略也最為簡單，即最好前面的人全都死光光，那麼他就可以獨得這100枚金幣了。
接下來看4號，他的生存機會完全取決於前面還有人存活著，因為如果1號到3號的海盜全都餵了鯊魚，那麼在只剩4號與5號的情況下，不管4號提出怎樣的分配方案，5號一定都會投反對票來讓4號去喂鯊魚，以獨吞全部的金幣。哪怕4號為了保命而討好5號，提出（0，100）這樣的方案讓5號獨占金幣，但是5號還有可能覺得留著4號有危險，而投票反對以讓其喂鯊魚。因此理性的4號是不應該冒這樣的風險，把存活的希望寄託在5號的隨機選擇上的，他惟有支持3號才能絕對保證自身的性命。
再來看3號，他經過上述的邏輯推理之後，就會提出（100，0，0）這樣的分配方案，因為他知道4號哪怕一無所獲，也還是會無條件的支持他而投贊成票的，那麼再加上自己的1票就可以使他穩獲這100金幣了。
但是，2號也經過推理得知了3號的分配方案，那麼他就會提出（98，0，1，1）的方案。因為這個方案相對於3號的分配方案，4號和5號至少可以獲得1枚金幣，理性的4號和5號自然會覺得此方案對他們來說更有利而支持2號，不希望2號出局而由3號來進行分配。這樣，2號就可以屁顛屁顛的拿走98枚金幣了。
不幸的是，1號海盜更不是省油的燈，經過一番推理之後也洞悉了2號的分配方案。他將採取的策略是放棄2號，而給3號1枚金幣，同時給4號或5號2枚金幣，即提出（97，0，1，2，0）或（97，0，1，0，2）的分配方案。由於1號的分配方案對於3號與4號或5號來說，相比2號的方案可以獲得更多的利益，那麼他們將會投票支持1號，再加上1號自身的1票，97枚金幣就可輕松落入1號的腰包了

6. 微信紅包的隨機演算法是怎樣實現的

我們在一個20人的群中，自己發紅包以及結合其他人發出紅包的情況，整合成兩輪的數據。每次金額設置都是20塊並且有20個，第一輪是發了15次，第二輪是發了19次，總結成表格，然後為了避免突發的數據影響判斷，我們將兩輪數據雜糅從而生成了其他的三輪數據，一共是五輪數據。羅列如下表，高亮的數據為最佳手氣。每一列的數據最早搶到紅包的在最底端，越往上越晚搶。
從所有黃色的數值（最佳手氣金額）可看出，所有最佳手氣值都在平均值*2的前後附近（平均值=總金額/紅包總個數，這里平均值=20/20=1），事實上確實如此，可通過微信紅包分發演算法得到驗證，演算法具體見後文
然後我們選取部分數據開始製作散點圖。橫軸為1-20，分別表示搶到紅包的人的編號，隨遞增而越早。也就是20代表最早搶到的人。縱軸為金額。同樣的形狀顏色的點代表一次發紅包，然後我們抓取部分數據顯示為散點圖，越密集代表該順序位的用戶得到的金額越穩定。散點圖如下：

規律一：我們可以看到，所有紅包大多數金額分布在0.5到1.5元之間，顯示為圖中方框所示，大部分點都分布在這個位置。然後是順序位密集程度的對比，可以發現20、19，也就是最先搶到紅包的人，小圓圈所示基本的點都集中在小范圍，說明先搶紅包的人得到的金額會比較穩定，但同時最佳手氣的概率也比較低。大圓圈所示的是極不穩定，飄忽的金額分布，表示越晚搶紅包得到的金額會飄忽不穩，但同時，搶到最佳手氣等大金額的紅包概率也比早搶的高。
根據上面的分析，我們又寫了一個過濾計數函數，針對金額的分段的紅包個數進行統計：
比如2.0-2.5
得到如下金額分布：
折線圖：
規律二：絕大多數的紅包的金額都集中在1-1.5，也就是說20塊錢發20個紅包的金額分布集中在比平均數大一點點的附近，同時較大幅超過平均數金額的紅包大大少於低於於平均數的紅包數量。
那我們繼續擴大數據的規模，將幾輪數據的均值和標准差分別做成折線圖：
綜合上面各個折線圖的情況，我們可以得到越早搶紅包的標准差越小，越晚搶紅包的標准差越大，但同時，由均值和總額可以看出來，越早搶紅包的均值往往要更高，紅包金額得到最佳手氣概率也會相對較小，越晚搶紅包的人則得到最佳手氣等大手氣的概率更大。
為了得到更為趨近規律的曲線和規律，我們決定將兩輪真實數據合並起來，然後給出冪函數的趨近線（虛線），如下圖：
由於均值受極值波動影響較大，所以我們去除一些因為偶然差產生的極端點（圓圈的點）從而發現是遞增的趨勢。
規律三：可以很明顯的看到，均值是隨著搶紅包的越晚而緩慢遞減，標准差值同時也往上遞增，這個趨勢結合之前的分析，我們猜想，即標准差越大說明，領取到最大的紅包和最小紅包的風險越大，也就是說越晚搶標准差越大，對於冒險主義者來講是最好的，因為他有很大概率獲得最大的金額，但也大概率獲得最小的紅包，風險與收益並存；均值越大，說明每次都拿到一個不大不小的紅包，雖然獲得最小和最大金額紅包的概率很小，但起碼不虧本，也就是說越早搶，均值越穩定，這比較適合不喜歡冒險的人。
驗證預測結果：
21：24分發送預測結果到另一位同學微信：

隨後開始發紅包：

結果：
最佳手氣為第8個人且金額為1.13
與預測結果一致，規律基本正確！
總結：
（1）最佳手氣為1.13塊，根據我們推導的預測公式=總額/紅包總個數*2*隨機數（0-2的double數）, 也就是說最佳手氣在總額/紅包總個數*2值的前後附近。這里我們判斷在0.8-1.3之間，推斷正確
（2)平均值為0.5元，0.5-0.8元的紅包有3個，小於0.5的紅包有6個，說明大於平均值的紅包個數多於小於平均值的個數。與我們的第二點預測完全正確
(3)最佳手氣位置：根據我們的散點圖發現，最先搶到紅包的人，得到的金額會比較穩定，但同時最佳手氣的概率也比較低。表示越晚搶紅包得到的金額波動較大，但同時搶到最佳手氣等大金額的紅包概率也比早搶的高。所以我們推斷，最佳手氣位置在最後20%-30%之間。
微信紅包隨機分發演算法c＋＋模擬：
基本思路：每次搶到一個紅包金額等於：紅包剩餘金額/紅包剩餘個數*2*隨機數（0-1的double型），如果計算的結果小於等於0.01，則取0.01值
主要代碼：
double packages[50000];
double Luckiest_money=0;
void getPackage(int remainSize,double remainMoney){
srand((unsigned)time(NULL));
for(int i=0;i

7. 5個海盜搶得100枚金幣,他們決定這么分：1。抽簽決定自己的號碼（1，2，3，4，5）2。首先由海

採用反推過來的演算法:

5號表決時,形成的狀態是:
1得到0個寶石,死
2得到0個寶石,死
3得到0個寶石,死
4得到0個寶石,死
5得到100個寶石,活,同意
原因:
不用講了,能輪到5號表決當然他獨吞了
但是也會與題目違背了,因為前面幾個海盜都是傻瓜差不多

4號表決時,形成的狀態是:
1得到0個寶石,死
2得到0個寶石,死
3得到0個寶石,死
4得到100個寶石,活,同意
5得到0個寶石,活,不同意
原因:
這時只剩下二比一的情況,只要自己同意即可達到半數而通過表決,不存在生命危險
但是3號也不是白痴

3號表決時,形成的狀態是:
1得到0個寶石,死
2得到0個寶石,死
3得到99個寶石,活,同意
4得到0個寶石,活,不同意
5得到1個寶石,活,同意
輪到3號時,他只要給5號1個寶石就夠了
原因:
因為5號會意識到,一旦輪到4號時他就一個也得不到,現在能得到1個寶石已經是給了面子了
但2號也很聰明的,能否輪到他只是一種期待,來看看2號的情況

2號表決時,形成的狀態是:
1得到0個寶石,死
2得到99個寶石,活,同意
3得到0個寶石,活,不同意
4得到1個寶石,活,同意
5得到0個寶石,活,不同意
要是輪到此海盜他必會拿走99顆寶石,然後給4號1顆即可!
為什麼? 原因是:
4號已經意識到,要是輪到3號表決時,他將一個也得不到,所以這時有點收獲,固然同意了
這時也考慮到:
3號不可巴結,會損失太多,因為如果只是單單給3號的話,他隨時都可以不同意而獲得表決權
5號也可巴結,但需要2顆寶石,不合算,因為5號也知道即使下一輪也是拿定一顆寶石的

1號:此海盜當然也聰明了
從上述看出,既然輪到2號的局勢已定,那他早已知道後面的海盜心裡想什麼了
也就是簡單的說,他們清楚認識到,輪到2號時,3號和5號得不到寶石!
那麼這樣的話,事情就好辦多了,給他們一人一顆自然就搞定了!
所以,1海海盜毅然作出決定,分別給3號和5號各1顆寶石
最終結局的狀態是:
1得到98個寶石,活,同意
2得到 0個寶石,活,不同意
3得到 1個寶石,活,同意
4得到 0個寶石,活,不同意
5得到 1個寶石,活,同意

即:98,0,1,0,1 (達到1號利益最大化)

8. 操作系統搶占式最高級優先演算法為什麼A進程開始執行時間不是9:50 還有結束時間為什麼是10:10

a最開始來，到9.20才被搶占，總時間是20(運行到b進程來)+30(b需要的時間)+20(a剩餘需要時間)

9. 五個海盜搶了一百個金幣,如果讓你分的話你怎麼分既又能多拿他們又沒有意見

5個海盜搶得100枚金幣後，討論如何進行公正分配。他們商定的分配原則是： （1）抽簽確定各人的分配順序號碼（1，2，3，4，5）； （2）由抽到1號（也就是你）簽的海盜提出分配方案，然後5人進行表決，如果方案得到超過半數的人同意，就按照他的方案進行分配，否則就將1號扔進大海喂鯊魚； （3）如果1號被扔進大海，則由2號提出分配方案，然後由剩餘的4人進行表決，當且僅當超過半數的人同意時，才會按照他的提案進行分配，否則也將被扔入大海； （4）依此類推。
採用反推過來的演算法:

5號表決時,形成的狀態是:
1得到0個金幣,死
2得到0個金幣,死
3得到0個金幣,死
4得到0個金幣,死
5得到100個金幣,活,同意
原因:
不用講了,能輪到5號表決當然他獨吞了
但是也會與題目違背了,因為前面幾個海盜都是傻瓜差不多

4號表決時,形成的狀態是:
1得到0個金幣,死
2得到0個金幣,死
3得到0個金幣,死
4得到100個金幣,活,同意
5得到0個金幣,活,不同意
原因:
這時只剩下二比一的情況,只要自己同意即可達到半數而通過表決,不存在生命危險
但是3號也不是白痴

3號表決時,形成的狀態是:
1得到0個金幣,死
2得到0個金幣,死
3得到99個金幣,活,同意
4得到0個金幣,活,不同意
5得到1個金幣，活,同意
輪到3號時,他只要給5號1個金幣就夠了
原因:
因為5號會意識到,一旦輪到4號時他就一個也得不到,現在能得到1個金幣已經是給了面子了
但2號也很聰明的,能否輪到他只是一種期待,來看看2號的情況

2號表決時,形成的狀態是:
1得到0個金幣,死
2得到99個金幣,活,同意
3得到0個金幣,活,不同意
4得到1個金幣,活,同意
5得到0個金幣,活,不同意
要是輪到此海盜他必會拿走99顆金幣,然後給4號1顆即可!
為什麼? 原因是:
4號已經意識到,要是輪到3號表決時,他將一個也得不到,所以這時有點收獲,固然同意了
這時也考慮到:
3號不可巴結,會損失太多,因為如果只是單單給3號的話,他隨時都可以不同意而獲得表決權
5號也可巴結,但需要2顆金幣,不合算,因為5號也知道即使下一輪也是拿定一顆金幣的

1號:此海盜當然也聰明了
從上述看出,既然輪到2號的局勢已定,那他早已知道後面的海盜心裡想什麼了
也就是簡單的說,他們清楚認識到,輪到2號時,3號和5號得不到金幣!
那麼這樣的話,事情就好辦多了,給他們一人一顆自然就搞定了!
所以,1海海盜毅然作出決定,分別給3號和5號各1顆金幣
最終結局的狀態是:
1得到98個金幣,活,同意
2得到 0個金幣,活,不同意
3得到 1個金幣,活,同意
4得到 0個金幣,活,不同意
5得到 1個金幣,活,同意

即:98,0,1,0,1 (達到1號利益最大化)

10. 5個海盜搶到了100枚金幣，每一顆都是一樣的大小和價值連城。他們將按順序提出分配方案，如果方案得到

採用反推過來的演算法:
5號表決時,形成的狀態是:
1得到0個金幣,死
2得到0個金幣,死
3得到0個金幣,死
4得到0個金幣,死
5得到100個金幣,活,同意
原因:
不用講了,能輪到5號表決當然他獨吞了
但是也會與題目違背了,因為前面幾個海盜都是傻瓜差不多
4號表決時,形成的狀態是:
1得到0個金幣,死
2得到0個金幣,死
3得到0個金幣,死
4得到100個金幣,活,同意
5得到0個金幣,活,不同意
原因:
這時只剩下二比一的情況,只要自己同意即可達到半數而通過表決,不存在生命危險
但是3號也不是白痴
3號表決時,形成的狀態是:
1得到0個金幣,死
2得到0個金幣,死
3得到99個金幣,活,同意
4得到0個金幣,活,不同意
5得到1個金幣,活,同意
輪到3號時,他只要給5號1個金幣就夠了
原因:
因為5號會意識到,一旦輪到4號時他就一個也得不到,現在能得到1個金幣已經是給了面子了
但2號也很聰明的,能否輪到他只是一種期待,來看看2號的情況
2號表決時,形成的狀態是:
1得到0個金幣,死
2得到99個金幣,活,同意
3得到0個金幣,活,不同意
4得到1個金幣,活,同意
5得到0個金幣,活,不同意
要是輪到此海盜他必會拿走99顆金幣,然後給4號1顆即可!
為什麼? 原因是:
4號已經意識到,要是輪到3號表決時,他將一個也得不到,所以這時有點收獲,固然同意了
這時也考慮到:
3號不可巴結,會損失太多,因為如果只是單單給3號的話,他隨時都可以不同意而獲得表決權
5號也可巴結,但需要2顆金幣,不合算,因為5號也知道即使下一輪也是拿定一顆金幣的
1號:此海盜當然也聰明了
從上述看出,既然輪到2號的局勢已定,那他早已知道後面的海盜心裡想什麼了
也就是簡單的說,他們清楚認識到,輪到2號時,3號和5號得不到金幣!
那麼這樣的話,事情就好辦多了,給他們一人一顆自然就搞定了!
所以,1海海盜毅然作出決定,分別給3號和5號各1顆金幣
最終結局的狀態是:
1得到98個金幣,活,同意
2得到 0個金幣,活,不同意
3得到 1個金幣,活,同意
4得到 0個金幣,活,不同意
5得到 1個金幣,活,同意
即:98,0,1,0,1 (達到1號利益最大化)