本文涉及知识点
LeetCode1801. 积压订单中的订单总数
给你一个二维整数数组 orders ,其中每个 orders[i] = [pricei, amounti, orderTypei] 表示有 amounti 笔类型为 orderTypei 、价格为 pricei 的订单。
订单类型 orderTypei 可以分为两种:
0 表示这是一批采购订单 buy
1 表示这是一批销售订单 sell
注意,orders[i] 表示一批共计 amounti 笔的独立订单,这些订单的价格和类型相同。对于所有有效的 i ,由 orders[i] 表示的所有订单提交时间均早于 orders[i+1] 表示的所有订单。
存在由未执行订单组成的 积压订单 。积压订单最初是空的。提交订单时,会发生以下情况:
如果该订单是一笔采购订单 buy ,则可以查看积压订单中价格 最低 的销售订单 sell 。如果该销售订单 sell 的价格 低于或等于 当前采购订单 buy 的价格,则匹配并执行这两笔订单,并将销售订单 sell 从积压订单中删除。否则,采购订单 buy 将会添加到积压订单中。
反之亦然,如果该订单是一笔销售订单 sell ,则可以查看积压订单中价格 最高 的采购订单 buy 。如果该采购订单 buy 的价格 高于或等于 当前销售订单 sell 的价格,则匹配并执行这两笔订单,并将采购订单 buy 从积压订单中删除。否则,销售订单 sell 将会添加到积压订单中。
输入所有订单后,返回积压订单中的 订单总数 。由于数字可能很大,所以需要返回对 109 + 7 取余的结果。
示例 1:
输入:orders = [[10,5,0],[15,2,1],[25,1,1],[30,4,0]]
输出:6
解释:输入订单后会发生下述情况:
- 提交 5 笔采购订单,价格为 10 。没有销售订单,所以这 5 笔订单添加到积压订单中。
- 提交 2 笔销售订单,价格为 15 。没有采购订单的价格大于或等于 15 ,所以这 2 笔订单添加到积压订单中。
- 提交 1 笔销售订单,价格为 25 。没有采购订单的价格大于或等于 25 ,所以这 1 笔订单添加到积压订单中。
- 提交 4 笔采购订单,价格为 30 。前 2 笔采购订单与价格最低(价格为 15)的 2 笔销售订单匹配,从积压订单中删除这 2 笔销售订单。第 3 笔采购订单与价格最低的 1 笔销售订单匹配,销售订单价格为 25 ,从积压订单中删除这 1 笔销售订单。积压订单中不存在更多销售订单,所以第 4 笔采购订单需要添加到积压订单中。
最终,积压订单中有 5 笔价格为 10 的采购订单,和 1 笔价格为 30 的采购订单。所以积压订单中的订单总数为 6 。
示例 2:
输入:orders = [[7,1000000000,1],[15,3,0],[5,999999995,0],[5,1,1]]
输出:999999984
解释:输入订单后会发生下述情况:
- 提交 109 笔销售订单,价格为 7 。没有采购订单,所以这 109 笔订单添加到积压订单中。
- 提交 3 笔采购订单,价格为 15 。这些采购订单与价格最低(价格为 7 )的 3 笔销售订单匹配,从积压订单中删除这 3 笔销售订单。
- 提交 999999995 笔采购订单,价格为 5 。销售订单的最低价为 7 ,所以这 999999995 笔订单添加到积压订单中。
- 提交 1 笔销售订单,价格为 5 。这笔销售订单与价格最高(价格为 5 )的 1 笔采购订单匹配,从积压订单中删除这 1 笔采购订单。
最终,积压订单中有 (1000000000-3) 笔价格为 7 的销售订单,和 (999999995-1) 笔价格为 5 的采购订单。所以积压订单中的订单总数为 1999999991 ,等于 999999984 % (109 + 7) 。
提示:
1 <= orders.length <= 105
orders[i].length == 3
1 <= pricei, amounti <= 109
orderTypei 为 0 或 1
堆(优先队列)
小根堆minHeapSell 记录积压的卖的订单 价格、数量。
大哥堆maxHeapBuy记录积压的买单 价格、数量。
依次处理orders[i],如果是买:
和积压的卖单匹配,直到orders[i]为0 或没有匹配的订单。
卖类似。
代码
核心代码
class Solution {
public:
int getNumberOfBacklogOrders(vector<vector<int>>& orders) {
priority_queue<pair<int,int>> maxHeapBuy;
priority_queue<pair<int, int>, vector<pair<int, int>>, greater<>> minHeapSell;
for (auto& v : orders) {
if (0 == v[2]) {// 买
while (minHeapSell.size() && (minHeapSell.top().first <= v[0])) {
if (minHeapSell.top().second <= v[1]) {
v[1] -= minHeapSell.top().second;
minHeapSell.pop();
}
else {
auto tmp = minHeapSell.top();
minHeapSell.pop();
tmp.second -= v[1];
minHeapSell.emplace(tmp);
v[1] = 0;
break;
}
}
if (0 != v[1]) {
maxHeapBuy.emplace(v[0], v[1]);
}
}
else {//卖
while (maxHeapBuy.size() && (maxHeapBuy.top().first >= v[0])) {
if (maxHeapBuy.top().second <= v[1]) {
v[1] -= maxHeapBuy.top().second;
maxHeapBuy.pop();
}
else {
auto tmp = maxHeapBuy.top();
maxHeapBuy.pop();
tmp.second -= v[1];
maxHeapBuy.emplace(tmp);
v[1] = 0;
break;
}
}
if (0 != v[1]) {
minHeapSell.emplace(v[0], v[1]);
}
}
}
long long ret = 0;
while (minHeapSell.size()) {
ret += minHeapSell.top().second;
minHeapSell.pop();
}
while (maxHeapBuy.size()) {
ret += maxHeapBuy.top().second;
maxHeapBuy.pop();
}
return ret%(int)(1e9+7);
}
};
单元测试
vector<vector<int>> orders;
TEST_METHOD(TestMethod11)
{
orders = { {10,5,0},{15,2,1},{25,1,1},{30,4,0} };
auto res = Solution().getNumberOfBacklogOrders(orders);
AssertEx(6, res);
}
TEST_METHOD(TestMethod12)
{
orders = { {7,1000000000,1},{15,3,0},{5,999999995,0},{5,1,1} };
auto res = Solution().getNumberOfBacklogOrders(orders);
AssertEx(999999984, res);
}
扩展阅读
我想对大家说的话 |
---|
工作中遇到的问题,可以按类别查阅鄙人的算法文章,请点击《算法与数据汇总》。 |
学习算法:按章节学习《喜缺全书算法册》,大量的题目和测试用例,打包下载。重视操作 |
有效学习:明确的目标 及时的反馈 拉伸区(难度合适) 专注 |
闻缺陷则喜(喜缺)是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。 |
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。 |
如果程序是一条龙,那算法就是他的是睛 |
失败+反思=成功 成功+反思=成功 |
视频课程
先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。
https://edu.csdn.net/course/detail/38771
如何你想快速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176
测试环境
操作系统:win7 开发环境: VS2019 C++17
或者 操作系统:win10 开发环境: VS2022 C++17
如无特殊说明,本算法用**C++**实现。