【1235. 规划兼职工作】

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：

dp[i] = max(dp[i−1], dp[k] + profit[i−1])

  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