【LeetCode】1235. 规划兼职工作

题目

1235. 规划兼职工作

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：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DN0GddXc-1666446054847)(figures/Untitled/sample1_1584.png)]

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：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QD6w9qEr-1666446054848)(figures/Untitled/sample22_1584.png)]

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：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cRkuPrld-1666446054849)(figures/Untitled/sample3_1584.png)]

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 * 10^4
• 1 <= startTime[i] < endTime[i] <= 10^9
• 1 <= profit[i] <= 10^4

思路

• 根据任务的结束时间进行排序，设$dp[i]$表示前$i$个任务所获得的最大报酬；则有：
  d p [ i ] = { 0 i = 0 max ⁡ { d p [ i − 1 ] , d p [ the first job whose start time  ≤ end time of job[i-1] ] + p r o f i t [ i − 1 ] } dp[i]=\left\{\begin{aligned} & 0 & i=0 \\ & \max\{dp[i-1], dp[\text{the first job whose start time } \le \text{end time of job[i-1]}] + profit[i-1]\} \end{aligned}\right. dp[i]={​0max{dp[i−1],dp[the first job whose start time ≤end time of job[i-1]]+profit[i−1]}​i=0

代码

class Solution:
    def jobScheduling(self, startTime: List[int], endTime: List[int], profit: List[int]) -> int:
        jobs = []
        for i in range(len(startTime)):
            jobs.append((startTime[i], endTime[i], profit[i]))
        jobs.sort(key= lambda x: x[1])
        dp = [0] * (len(jobs)+1)
        for i in range(1, len(jobs)+1):
            j = bisect.bisect(jobs, jobs[i-1][0], key= lambda x: x[1])
            dp[i] = max(dp[i-1], dp[j]+jobs[i-1][2])
        return dp[-1]

复杂度

• 时间复杂度：$O(n\log n)$
• 空间复杂度：$O(n)$