来源:力扣(LeetCode)
链接:
你打算利用空闲时间来做兼职工作赚些零花钱。
这里有 n
份兼职工作,每份工作预计从 startTime[i]
开始到 endTime[i]
结束,报酬为 profit[i]
。
给你一份兼职工作表,包含开始时间 startTime
,结束时间 endTime
和预计报酬 profit
三个数组,请你计算并返回可以获得的最大报酬。
注意,时间上出现重叠的 2
份工作不能同时进行。
如果你选择的工作在时间 X
结束,那么你可以立刻进行在时间 X 开始的下一份工作。
示例 1:
输入:startTime = [1,2,3,3], endTime = [3,4,5,6], profit = [50,10,40,70]
输出:120
解释:
我们选出第 1 份和第 4 份工作,
时间范围是 [1-3]+[3-6],共获得报酬 120 = 50 + 70。
示例 2:
输入:startTime = [1,2,3,4,6], endTime = [3,5,10,6,9], profit = [20,20,100,70,60]
输出:150
解释:
我们选择第 1,4,5 份工作。
共获得报酬 150 = 20 + 70 + 60。
示例 3:
输入:startTime = [1,1,1], endTime = [2,3,4], profit = [5,6,4]
输出:6
提示:
-
1 <= startTime.length == endTime.length == profit.length <= 5 * 104
-
1 <= startTime[i] < endTime[i] <= 109
-
1 <= profit[i] <= 104
方法:动态规划 + 二分查找
我们首先将兼职工作按结束时间 endTime 从小到大进行排序。使用 dp[i] 表示前 i 份兼职工作可以获得的最大报酬,初始时 dp[0] = 0,那么对于 i > 0,我们有以下转移方程:
其中 k 表示满足结束时间小于等于第 i - 1 份工作开始时间的兼职工作数量,可以通过二分查找获得。
代码:
class Solution {
public:
int jobScheduling(vector<int> &startTime, vector<int> &endTime, vector<int> &profit) {
int n = startTime.size();
vector<vector<int>> jobs(n);
for (int i = 0; i < n; i++) {
jobs[i] = {startTime[i], endTime[i], profit[i]};
}
sort(jobs.begin(), jobs.end(), [](const vector<int> &job1, const vector<int> &job2) -> bool {
return job1[1] < job2[1];
});
vector<int> dp(n + 1);
for (int i = 1; i <= n; i++) {
int k = upper_bound(jobs.begin(), jobs.begin() + i - 1, jobs[i - 1][0], [&](int st, const vector<int> &job) -> bool {
return st < job[1];
}) - jobs.begin();
dp[i] = max(dp[i - 1], dp[k] + jobs[i - 1][2]);
}
return dp[n];
}
};
执行用时:128 ms, 在所有 C++ 提交中击败了64.68%的用户
内存消耗:53.1 MB, 在所有 C++ 提交中击败了56.48%的用户
复杂度分析
时间复杂度:O(nlogn),其中 nn 是兼职工作的数量。排序需要 O(nlogn),遍历 + 二分查找需要 O(nlogn),因此总时间复杂度为 O(nlogn)。
空间复杂度:O(n)。需要 O(n) 的空间来保存 dp。
author:LeetCode-Solution