基于python的升级队列加速决策

a-f大等级是3级

a-c建筑每升1级分别需要8天

d-f建筑每升1级分别需要10天

目前以下建筑队列正在从0级升至1级

建筑A升级需要7天05:16:20

建筑b升级需要06:06:54

建筑c升级需要00:37:00

建筑d升级需要01:51:01

建筑e升级需要09:07:10

建筑f升级需要07:10:10

每30分钟会产生一个随机时间的升级加速包:15,30,45,60,120分钟

基于python计算,每一次随机产生的加速包,用于加速哪一个队列,做出决策优先加速哪一个建筑,最快完成建筑升级。

import randomclass Building:def __init__(self, name, building_type, initial_remaining):self.name = nameself.type = building_typeself.level = 0  # 当前等级self.stage_remaining = initial_remaining  # 当前阶段剩余时间(秒)self.upgrading = initial_remaining > 0  # 是否正在升级def apply_accelerator(self, accelerator_seconds):if not self.upgrading or self.level >= 3:return# 应用加速self.stage_remaining -= accelerator_secondsif self.stage_remaining <= 0:self.level += 1if self.level >= 3:self.upgrading = Falseself.stage_remaining = 0else:# 开始下一阶段的升级if self.type == 'abc':self.stage_remaining = 8 * 86400  # 8天else:self.stage_remaining = 10 * 86400  # 10天self.upgrading = Trueelse:self.upgrading = Truedef get_total_remaining_time(self):if self.level >= 3:return 0total = self.stage_remainingremaining_stages = 3 - (self.level + 1)if remaining_stages <= 0:return totalif self.type == 'abc':total += remaining_stages * 8 * 86400else:total += remaining_stages * 10 * 86400return total# 初始化建筑队列(时间转换为秒)
buildings = [Building('A', 'abc', 7 * 86400 + 5 * 3600 + 16 * 60 + 20),  # 7天05:16:20Building('B', 'abc', 6 * 86400 + 6 * 3600 + 6 * 60 + 54),  # 6天06:06:54Building('C', 'abc', 37 * 60),  # 00:37:00Building('D', 'def', 1 * 86400 + 51 * 60 + 1),  # 01:51:01Building('E', 'def', 9 * 86400 + 7 * 3600 + 10 * 60),  # 09:07:10Building('F', 'def', 7 * 86400 + 10 * 3600 + 10 * 60 + 10),  # 07:10:10
]def select_best_target(accelerator_seconds, buildings):min_max_time = float('inf')best_building = Nonecurrent_totals = [b.get_total_remaining_time() for b in buildings]current_max = max(current_totals)if current_max == 0:return None, 0for b in buildings:if not b.upgrading:continue# 保存当前状态original_level = b.leveloriginal_stage = b.stage_remainingoriginal_upgrading = b.upgrading# 模拟应用加速temp_b = Building(b.name, b.type, original_stage)temp_b.level = original_leveltemp_b.upgrading = original_upgradingtemp_b.apply_accelerator(accelerator_seconds)# 计算新总时间simulated_totals = []for bb in buildings:if bb.name == b.name:simulated_totals.append(temp_b.get_total_remaining_time())else:simulated_totals.append(bb.get_total_remaining_time())new_max = max(simulated_totals)# 比较最优if new_max < min_max_time or (new_max == min_max_time and best_building is None):min_max_time = new_maxbest_building = belif new_max == min_max_time:if b.get_total_remaining_time() > best_building.get_total_remaining_time():best_building = breturn best_building, min_max_time# 模拟加速包生成和使用
while True:# 随机生成加速包(15/30/45/60/120分钟)accelerator = random.choice([15, 30, 45, 60, 120]) * 60  # 转换为秒best_building, new_max = select_best_target(accelerator, buildings)if not best_building:print("所有建筑已升级完成!")break# 应用加速包best_building.apply_accelerator(accelerator)print(f"使用 {accelerator // 60}分钟加速包到建筑 {best_building.name},当前最长剩余时间:{new_max // 86400}天 {new_max % 86400 // 3600}小时{(new_max % 3600) // 60}分")# 检查是否全部完成if all(b.get_total_remaining_time() == 0 for b in buildings):print("全部建筑升级完成!")break

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/72000.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【经验】Ubuntu|VMware 新建虚拟机后打开 SSH 服务、在主机上安装vscode并连接、配置 git 的 ssh

常常有人问VMware-Tools装了也复制粘贴不了怎么办&#xff0c;这个东西影响因素太多了&#xff0c;我总是建议直接用SSH连接虚拟机。但是之前一直都没有出教程&#xff0c;现在出一个简单的教程。 文章目录 在 Ubuntu 虚拟机&#xff08;VMware&#xff09;中开启 SSH 服务、配…

C++多线程编程 3.互斥量、互斥锁

目录 1. 线程安全与互斥锁&#xff08;std::mutex&#xff09; 2. 互斥量死锁 3. std::lock_guard 4. std::unique_lock (1)示例 (2)详细知识点 5. std::this_thread (1)sleep_for (2)sleep_until (3)yield (4)get_id 直接通过示例讲解&#xff1a; 1. 线程安全与互…

【redis】hash基本命令和内部编码

文章目录 表示形式命令HSET 和 HGET HEXISTSHDELHKEYSHVALSHGETALLHMGETHLENHSETNXHINCRBYHINCRBYFLOAT命令小结内部编码 表示形式 Redis 自身已经是键值对结构了 Redis 自身的键值对就是通过哈希的方式来组织的 把 key 这一层组织完成之后&#xff0c;到了 value 这一层&…

行为模式---策略模式

概念 策略模式是一种行为设计摸是&#xff0c;它的核心思想是将一些列的算法封装成独立的对象&#xff0c;并使它们可以相互替换&#xff0c;通过上下文进行调用。 策略模式通过算法抽象为独立的策略类&#xff0c;客户端可以根据自身需求选择不同的策略类来完成任务、这种方…

Selenium 自动化测试学习总结

大概了解一下即可&#xff0c;现在主要用的自动化工具是 playWright&#xff0c;它可以录制操作。 selenium是老款自动化测试工具&#xff0c;仍有很多可取之处。 安装&#xff1a; pip install selenium即可。然后下载浏览器的驱动包&#xff0c;注意不是浏览器&#xff01;…

四层协议攻防手册:从SYN Flood到UDP反射的深度防御

一、四层协议攻击类型与特征 攻击类型协议层特征SYN FloodTCP大量半开连接&#xff0c;SYN_RECV状态堆积UDP反射放大UDP小请求包触发大响应&#xff08;如NTP、DNS响应&#xff09;TCP分片攻击TCP发送异常分片耗尽重组资源连接耗尽攻击TCP建立大量空闲连接占用端口资源 二、TC…

【社区投稿】深入再谈智能指针、AsRef引用与Borrow借用

深入再谈智能指针、AsRef引用与Borrow借用 这是一个具有深度的技术主题。每次重温其理论知识&#xff0c;都会有新的领悟。大约 2 年前&#xff0c;我曾就这一技术方向撰写过另一篇短文《从类型转换视角&#xff0c;浅谈Deref<Target T>, AsRef<T>, Borrow<T&g…

外层元素旋转,其包括在内的子元素一并旋转(不改变旋转中心),单元测试

思路&#xff1a;外层旋转后坐标&#xff0c;元素旋转后坐标&#xff0c;计算偏移坐标 <template><div class"outbox"><label>角度: <input v-model.number"rotate" type"number" /></label><br><div c…

如何在虚拟机上安装hadoop

与前面java的方式相同安装好hadoop后进入hadoop的环境变量my_env.sh 输入#​HADOOP_export HADOOP_HOME /opt/module/hadoop-3.1.3 export PATH$PATH:$HADOOP_HOME/bin export PATH$PATH:$HADOOP_HOME/sbin 再输入hadoop测试是否安装成功

WPF-DataGrid的增删查改

背景&#xff1a;该功能为几乎所有系统开发都需要使用的功能&#xff0c;现提供简单的案例。 1、MyCommand using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks; using System.Windows.Input;namespace Wp…

Oracle数据库存储结构--物理存储结构

数据库存储结构&#xff1a;分为物理存储结构和逻辑存储结构。 物理存储结构&#xff1a;操作系统层面如何组织和管理数据 逻辑存储结构&#xff1a;Oracle数据库内部数据组织和管理数据&#xff0c;数据库管理系统层面如何组织和管理数据 存储结构 在Oracle数据库的存储结构…

歌词相关实现

歌词相关 歌词数据模型&#xff1a; // Lyric.swift class Lyric: BaseModel {/// 是否是精确到字的歌词var isAccurate:Bool false/// 所有的歌词var datum:Array<LyricLine>! }// LyricLine.swift class LyricLine: BaseModel {/// 整行歌词var data:String!/// 开始…

纺织服装制造行业现状 内检实验室系统在纺织服装制造行业的应用

在纺织服装制造行业&#xff0c;内检实验室LIMS系统&#xff08;实验室信息管理系统&#xff09;已成为提升检测效率、优化质量控制和满足行业合规性要求的关键工具。随着行业竞争的加剧和消费者对产品质量要求的提高&#xff0c;纺织服装制造企业需要更加高效、准确的检测流程…

K8s 1.27.1 实战系列(十一)ConfigMap

ConfigMap 是 Kubernetes 中管理非敏感配置的核心资源,通过解耦应用与配置实现灵活性和可维护性。 一、ConfigMap 的核心功能及优势 ​1、配置解耦 将配置文件(如数据库地址、日志级别)与容器镜像分离,支持动态更新而无需重建镜像。 ​2、多形式注入 ​环境变量:将键值…

3分钟复现 Manus 超强开源项目 OpenManus

文章目录 前言什么是 OpenManus构建方式环境准备克隆代码仓库安装依赖配置 LLM API运行 OpenManus 效果演示总结个人简介 前言 近期人工智能领域迎来了一位备受瞩目的新星——Manus。Manus 能够独立执行复杂的现实任务&#xff0c;无需人工干预。由于限制原因大部分人无法体验…

从零开始学机器学习——构建一个推荐web应用

首先给大家介绍一个很好用的学习地址:https://cloudstudio.net/columns 今天,我们终于将分类器这一章节学习完活了,和回归一样,最后一章节用来构建web应用程序,我们会回顾之前所学的知识点,并新增一个web应用用来让模型和用户交互。所以今天的主题是美食推荐。 美食推荐…

【最后203篇系列】014 AI机器人-1

说明 终于开张了&#xff0c;我觉得AI机器人是一件真正正确&#xff0c;具有商业价值的事。 把AI机器人当成一笔生意&#xff0c;我如何做好这笔生意&#xff1f;一端是业务价值&#xff0c;另一端是技术支撑。如何构造高质量的内容和服务&#xff0c;如何确保技术的广度和深度…

【大模型统一集成项目】如何封装多个大模型 API 调用

&#x1f31f; 在这系列文章中&#xff0c;我们将一起探索如何搭建一个支持大模型集成项目 NexLM 的开发过程&#xff0c;从 架构设计 到 代码实战&#xff0c;逐步搭建一个支持 多种大模型&#xff08;GPT-4、DeepSeek 等&#xff09; 的 一站式大模型集成与管理平台&#xff…

AI4CODE】3 Trae 锤一个贪吃蛇的小游戏

【AI4CODE】目录 【AI4CODE】1 Trae CN 锥安装配置与迁移 【AI4CODE】2 Trae 锤一个 To-Do-List 这次还是采用 HTML/CSS/JAVASCRIPT 技术栈 Trae 锤一个贪吃蛇的小游戏。 1 环境准备 创建一个 Snake 的子文件夹&#xff0c;清除以前的会话记录。 2 开始构建 2.1 输入会…

【简答题002】Java变量简答题

博主会经常补充完善这里面问题的答案。希望可以得到大家的一键三连支持&#xff0c;你的鼓励是我坚持下去的最大动力&#xff01;谢谢&#xff01; 001 什么是Java变量&#xff1f; Java变量是用来存储数据并在程序中引用的命名空间。 002 Java变量有哪些类型&#xff1f; J…