之前写过一个文章。
利用python画出SJF调度图
动态高度优先权优先调度
动态优先权调度算法，以就绪队列中各个进程的优先权作为进程调度的依据。各个进程的优先权在创建进程时所赋予，随着进程的推进或其等待时间的增加而改变。进程的优先权利用某一范围内的整数来表示。有的系统数值越小优先权越高，如Unix系统，有的系统则反之。采用该算法时，每次总是在就绪队列中选择一个优先权最高的进程进行调度，并将处理机分配给该进程。动态优先权调度算法又分为抢占式和非抢占式两种。
调度结果：
调度数据
A 0 5 3
B 1 3 5
C 2 1 3
D 3 1 4
E 4 2 2
算法设计思维导图
算法流程图
动态高优先权优先调度是一种操作系统中的进程调度策略，它的核心在于根据进程的优先权高低来决定执行顺序。在这个策略中，优先权不是静态不变的，而是随着进程的推进或者等待时间的增长而变化。这种调度算法可以分为抢占式和非抢占式两种。抢占式允许在运行过程中，如果出现更高优先权的进程，当前进程会被暂停，让位于高优先权进程。而非抢占式则是一旦进程开始执行，即使有更高优先权的进程到达，也会执行完毕再切换。
在Python中实现动态优先权调度，首先需要定义一个进程类，包含进程名、到达时间、服务时间、优先权等属性，并提供插入和排序方法。代码中使用列表`self.data`来存储进程对象，每个进程对象包含如`arrival_time`、`service_time`、`priority`等字段。同时，为了便于管理和调度，还提供了获取数据的方法，可以从文件中读取或者通过用户输入获取。
在获取数据后，通常会按照到达时间和优先权对进程进行排序。这里使用了lambda函数作为排序的关键依据，先按到达时间升序，如果到达时间相同则按优先权降序排序。每个进程还会有一个唯一的`index`标识，方便后续调度过程中的引用。
调度算法的实现可以通过设计不同的数据结构来实现，如使用优先队列（Python中的heapq模块可实现），排序维护（每次调度时重新排序），或者插队（当新进程到达且优先权高于当前运行进程时，立即插入到队列中）。每种方法都有其优缺点，例如优先队列可以快速获取最高优先权的进程，但插入操作可能较慢；排序维护保证了每次取出的都是当前最高优先权进程，但排序开销大；插队操作简单，但可能导致频繁的队列调整。
在实际调度过程中，当进程开始执行时，其优先权会降低，通常设定一个减量值`n`，执行一个时间片后优先权减少`n`。如果出现多个优先权相同的进程，会根据它们在队列中的位置决定调度顺序，即先到先得。
在Python中实现这样的动态调度算法，可以利用Python丰富的数据结构和控制流工具，以及第三方库如heapq，来简化算法的复杂性。可以通过可视化方式，比如生成图形或思维导图，展示调度过程，帮助理解算法的运作机制。
利用Python实现动态高优先权优先调度，需要理解调度算法的核心思想，设计合适的进程类来存储和管理进程信息，然后根据调度策略选择合适的数据结构和操作方法，最后通过可视化手段将调度过程清晰地呈现出来。这不仅加深了对操作系统调度原理的理解，也锻炼了Python编程能力。
