请求分页算法 Python实现

操作系统模拟之请求分页算法。
文件共1份，代码如下：

import math
import os
import random
import copydef alo_opt():print("您选择了OPT算法，执行结果如下：")print("访问页面  物理块  缺页中断")temp_queue = []sum_changed = 0for i in range(page_size):flag_changed = Falseif len(temp_queue) < temp_queue_size and temp_queue.count(page_queue[i]) == 0:temp_queue.append(page_queue[i])elif temp_queue.count(page_queue[i]) == 0:appear_position = []for j in range(temp_queue_size):appear_position.append(page_size)for j in range(i + 1, page_size):if temp_queue.count(page_queue[j]) > 0 and appear_position[temp_queue.index(page_queue[j])] == page_size:appear_position[temp_queue.index(page_queue[j])] = jremotest_position = appear_position.index(max(appear_position))temp_queue[remotest_position] = page_queue[i]sum_changed = sum_changed + 1flag_changed = Trueoutput_queue = copy.deepcopy(temp_queue)for j in range(temp_queue_size - len(temp_queue)):output_queue.append("&")print('{}  {}  {}'.format(page_queue[i], output_queue, flag_changed))print()print('页面访问序列总长{0}，OPT算法共发生缺页中断{1}次，缺页率为{1}/{0}'.format(page_size, sum_changed))def alo_fifo():print("您选择的是先进先出页面置换算法")print("访问页面  物理块  缺页中断")temp_queue = []sum_changed = 0appear_time = []for i in range(page_size+1):appear_time.append(page_size)for i in range(page_size):flag_changed = Falseif len(temp_queue) < temp_queue_size and temp_queue.count(page_queue[i]) == 0:temp_queue.append(page_queue[i])appear_time[page_queue[i]] = ielif temp_queue.count(page_queue[i]) == 0:target_index = 0min_time = page_sizefor j in range(0, temp_queue_size):if appear_time[temp_queue[j]] < min_time:min_time = appear_time[temp_queue[j]]target_index = jappear_time[temp_queue[target_index]] = page_sizetemp_queue[target_index] = page_queue[i]appear_time[page_queue[i]] = isum_changed = sum_changed + 1flag_changed = Trueoutput_queue = copy.deepcopy(temp_queue)for j in range(temp_queue_size - len(temp_queue)):output_queue.append("&")print('{}  {}  {}'.format(page_queue[i], output_queue, flag_changed))print()print('页面访问序列总长{0}，FIFO算法共发生缺页中断{1}次，缺页率为{1}/{0}'.format(page_size, sum_changed))def alo_lru():print("您选择的是最近最久未使用页面置换算法")print("访问页面  物理块  缺页中断")temp_queue = []sum_changed = 0recent_used = []for i in range(page_size+1):recent_used.append(0)for i in range(page_size):flag_changed = Falseif len(temp_queue) < temp_queue_size and temp_queue.count(page_queue[i]) == 0:temp_queue.append(page_queue[i])elif temp_queue.count(page_queue[i]) == 0:target_index = 0min_time = page_sizefor j in range(0, temp_queue_size):if recent_used[temp_queue[j]] < min_time:min_time = recent_used[temp_queue[j]]target_index = jtemp_queue[target_index] = page_queue[i]recent_used[page_queue[i]] = isum_changed = sum_changed + 1flag_changed = Trueelse:recent_used[page_queue[i]] = ioutput_queue = copy.deepcopy(temp_queue)for j in range(temp_queue_size - len(temp_queue)):output_queue.append("&")print('{}  {}  {}'.format(page_queue[i], output_queue, flag_changed))print()print('最近最久未使用页面置换算法缺页{0}次, 缺页率为{0}/{1}'.format(sum_changed, page_size))def alo_clock():print("您选择的是时钟页面置换算法")print("访问页面  物理块  缺页中断")temp_queue = []sum_changed = 0flag = {}for i in range(0, page_size+1):flag[i] = Falsepoint = 0for i in range(page_size):flag_changed = Falseif len(temp_queue) < temp_queue_size and temp_queue.count(page_queue[i]) == 0:temp_queue.append(page_queue[i])flag[page_queue[i]] = Truepoint = temp_queue.index(page_queue[i]) + 1elif temp_queue.count(page_queue[i]) == 1:point = temp_queue.index(page_queue[i])flag[page_queue[i]] = Trueelif temp_queue.count(page_queue[i]) == 0:while True:if not flag[temp_queue[point % temp_queue_size]]:temp_queue[point % temp_queue_size] = page_queue[i]point = point + 1sum_changed = sum_changed + 1flag_changed = Truebreakelse:flag[temp_queue[point % temp_queue_size]] = Falsepoint = point + 1output_queue = copy.deepcopy(temp_queue)for j in range(len(temp_queue)):if flag[temp_queue[j]]:output_queue[j] = str(temp_queue[j]) + "*"for j in range(temp_queue_size - len(temp_queue)):output_queue.append("&")print('{}  {}  {}'.format(page_queue[i], output_queue, flag_changed))print()print('时钟页面置换算法缺页{0}次, 缺页率为{0}/{1}'.format(sum_changed, page_size))print("欢迎进入操作系统课程演示系统之页面置换算法！")
print()flag_exit = False
while True:if flag_exit == True:print("您已成功退出系统！")breakprint("请输入页面访问序列长度（15-25，含端点）：")while True:page_size = int(input())if page_size >= 15 and page_size <= 25:breakprint("您输入的页面访问序列长度超出给定范围，请重新输入15-25（含端点）的数字：")print("请输入物理块个数（3-5，含端点）：")while True:temp_queue_size = int(input())if temp_queue_size >= 3 and temp_queue_size <= 5:breakprint("您输入的物理块个数超出给定范围，请重新输入3-5（含端点）的数字：")print()page_queue = []print("选择用户输入请输入1")print("选择随机生成请输入2")data_produce_choice = int(input())if data_produce_choice == 2:for i in range(page_size):page_queue.append(random.randint(0, 5))else:while True:print('请输入0-5数字组成的无规律字符串作为页面访问序列，长度为{}'.format(page_size))flag_digit = Truetemp = input().split(" ")key = ["0", "1", "2", "3", "4", "5"]for i in temp:if key.count(i) == 0:flag_digit = Falseif not flag_digit:print("您输入的序列有误，请重新输入")elif len(temp) < page_size:print('您已输入{}长度的字符串，还需输入{}长度的字符串'.format(len(temp), page_size - len(temp)))print('请继续输入0-5数字组成的无规律字符串作为页面访问序列，长度为{}'.format(page_size - len(temp)))temp_plus = input().split(" ")if len(temp_plus) != page_size - len(temp):print("您再次输入错误，序列需要全部重新输入")continuefor i in temp:page_queue.append(int(i))for i in temp_plus:page_queue.append(int(i))elif len(temp) > page_size:print("您输入的字符串超长，系统将进行自动截取Y或由用户重新输入N（Y/N）")if input() == "Y":for i in range(page_size):page_queue.append(int(temp[i]))breakelse:continueelse:for i in temp:page_queue.append(int(i))breakprint()print('页面访问序列为：{}'.format(page_queue))print('物理块个数为：{}'.format(temp_queue_size))print()while True:print("选择最佳置换算法请输入1")print("选择先进先出页面置换算法请输入2")print("选择最近最久未使用页面置换算法请输入3")print("选择时钟页面置换算法请输入4")menu_choice = int(input())if menu_choice == 1:alo_opt()elif menu_choice == 2:alo_fifo()elif menu_choice == 3:alo_lru()elif menu_choice == 4:alo_clock()else:print("您的算法选择错误，请重新输入！")print()print("继续尝试其他算法请输入1")print("更换数据请输入2")print("退出程序请输入3")end_choice = int(input())if end_choice == 2:breakelif end_choice == 3:flag_exit = True

请求分页算法 Python实现相关推荐

棋盘最短路径 python_Dijkstra 最短路径算法 Python 实现
Dijkstra 最短路径算法 Python 实现问题描述使用 Dijkstra 算法求图中的任意顶点到其它顶点的最短路径(求出需要经过那些点以及最短距离). 以下图为例: 算法思想可以使用二维 ...
2021-03-15 数据挖掘算法—K-Means算法 Python版本
数据挖掘算法-K-Means算法 Python版本简介又叫K-均值算法,是非监督学习中的聚类算法. 基本思想 k-means算法比较简单.在k-means算法中,用cluster来表示簇:容易证明 ...
2021-01-28 粒子群优化算法-Python版本和Matlab函数 particleswarm 调用
粒子群优化算法-Python版本和Matlab函数 particleswarm 调用前两天分享了粒子群优化算法的原理和Matlab原理实现,本文分享一下Python代码下的PSO实现以及Matlab ...
最优化算法python实现篇（4）——无约束多维极值（梯度下降法）
最优化算法python实现篇(4)--无约束多维极值(梯度下降法) 摘要算法简介注意事项算法适用性 python实现实例运行结果算法过程可视化摘要本文介绍了多维无约束极值优化算法中的梯度 ...
最优化算法python实现篇（3）——无约束一维极值（黄金分割法）
最优化算法python实现篇(3)--无约束一维极值(黄金分割法) 算法适用问题 python实现示例运行结果算法适用问题搜索给定单峰区间的极值问题,一般对凸优化问题比较适用. python实现 ...
最优化算法python实现篇（2）—无约束一维极值（二分法）
最优化算法python实现篇(2)--无约束一维极值(二分法) 算法适用问题 python实现示例运行结果算法适用问题搜索给定单峰区间的极值问题,一般对凸优化问题比较适用. python实现 # ...
多元线性回归算法python实现_手写算法-Python代码推广多元线性回归
1.梯度下降-矩阵形式上篇文章介绍了一元线性回归,包括Python实现和sklearn实现的实例.对比,以及一些问题点,详情可以看这里: 链接: 手写算法-Python代码实现一元线性回归里面封装 ...
哈希运算python实现_一致性哈希算法 python实现
# -*- coding: utf-8 -*- """ 一致性哈希算法 python实现参考 http://weblogs.java.net/blog/2007/11/ ...
（四）协同过滤算法之基于用户的推荐算法python实现
一.背景关于推荐算法的相关背景介绍,已经在上一个姊妹篇(三)协同过滤算法之基于物品的推荐算法python实现中有所介绍.在此,便不在赘述,本文主要介绍基于用户的协同过滤算法,而对推荐算法不太清楚的朋 ...

请求分页算法 Python实现

请求分页算法 Python实现相关推荐

最新文章

热门文章