你有 n
个工作和 m
个工人。给定三个数组: difficulty
, profit
和 worker
,其中:
difficulty[i]
表示第i
个工作的难度,profit[i]
表示第i
个工作的收益。worker[i]
是第i
个工人的能力,即该工人只能完成难度小于等于worker[i]
的工作。
每个工人 最多 只能安排 一个 工作,但是一个工作可以 完成多次 。
- 举个例子,如果 3 个工人都尝试完成一份报酬为
$1
的同样工作,那么总收益为$3
。如果一个工人不能完成任何工作,他的收益为$0
。
返回 在把工人分配到工作岗位后,我们所能获得的最大利润 。
示例 1:
输入: difficulty = [2,4,6,8,10], profit = [10,20,30,40,50], worker = [4,5,6,7] 输出: 100 解释: 工人被分配的工作难度是 [4,4,6,6] ,分别获得 [20,20,30,30] 的收益。
示例 2:
输入: difficulty = [85,47,57], profit = [24,66,99], worker = [40,25,25] 输出: 0
提示:
n == difficulty.length
n == profit.length
m == worker.length
1 <= n, m <= 10^4
1 <= difficulty[i], profit[i], worker[i] <= 10^5
解法1:排序 + 贪心 + 双指针
同类题型:LeetCode 2071. 你可以安排的最多任务数目-CSDN博客
解题思路
-
排序:首先将任务按照难度进行排序,同时将工人的能力值也进行排序。
-
双指针:使用双指针方法,一个指针
idx
遍历任务,另一个指针遍历工人的能力值。 -
贪心选择:对于每个工人,找到能够完成的最大收益的任务,并累加到总收益中。
算法逻辑
-
初始化:将难度和利润组合成二维数组,并按照难度排序。同时,将工人的能力值排序。
-
遍历工人:对于每个工人,使用指针
idx
从当前最小难度的任务开始向后查找,找到所有难度不大于工人能力的任务。 -
更新最大收益:在查找的过程中,更新当前能够获得的最大收益。
-
累加收益:将找到的最大收益累加到总收益中。
-
返回结果:遍历完所有工人后,返回总收益。
深入理解
-
为什么排序:排序是为了能够快速找到对于每个工人来说难度合适的任务,以及快速更新最大收益。
-
贪心选择:在每一步选择当前能够获得的最大收益,而不是固定选择难度最低的任务,这样可以最大化总收益。
贪心双指针法是一种在解决优化问题时常用的策略,特别是在有多个选择并且需要在每一步做出最优选择的情况下。通过这种方法,可以在多项选择中快速收敛到全局最优解或近似最优解。
-
贪心:算法在每一步选择当前最优的解,即对于每个工人,选择当前能够获得的最大收益,而不是固定选择难度最低的任务。
-
双指针:算法使用两个指针,一个用于遍历工人的能力值列表,另一个用于遍历按难度排序的任务列表。通过双指针的方式,可以高效地找到每个工人能够完成的最大收益任务。
Java版:
class Solution {
public int maxProfitAssignment(int[] difficulty, int[] profit, int[] worker) {
int n = difficulty.length;
int[][] arr = new int[n][2];
for (int i = 0; i < n; i++) {
arr[i][0] = difficulty[i];
arr[i][1] = profit[i];
}
Arrays.sort(arr, (a, b) -> a[0] - b[0]);
Arrays.sort(worker);
int idx = 0;
int ans = 0;
int maxprofit = 0;
for (int w : worker) {
while (idx < n && w >= arr[idx][0]) {
maxprofit = Math.max(maxprofit, arr[idx][1]);
idx++;
}
ans += maxprofit;
}
return ans;
}
}
Python3版:
class Solution:
def maxProfitAssignment(self, difficulty: List[int], profit: List[int], worker: List[int]) -> int:
arr = [(d, p) for d, p in zip(difficulty, profit)]
arr.sort(key = lambda x : x[0])
worker.sort()
maxprofit = 0
ans = 0
idx = 0
for w in worker:
while idx < len(profit) and w >= arr[idx][0]:
maxprofit = max(maxprofit, arr[idx][1])
idx += 1
ans += maxprofit
return ans
复杂度分析
-
时间复杂度:O(nlogn + mlogm),其中 n 是任务的数量,m 是工人的数量。排序的时间复杂度是 O(nlogn) 和 O(mlogm),遍历的时间复杂度是 O(n)。总的时间复杂度是O(nlogn + mlogm + n),即 O(nlogn + mlogm)。
-
空间复杂度:O(n),用于存储组合后的难度和利润数组。