高效的任务规划 你有 n 台机器编号为 1-n,每台都需要完成完成一项工作,机器经过配置后都能完成独立完成一项工作。假设第 i 台机器你需要花 B 分钟 进行设置,然后开始运行,J 分钟后完成任务。现在,你需要选择布置工作的顺序,使得用最短的时间完成所有工作。注意,不能同时对两 台进行配置,但配置完成的机器们可以同时执行他们各自的工作。 输入描述: 第一行输入代表总共有 M 组任务数据 (1 < M <= 10) 。 每组数据第一行为一个整数指定机器的数是 N (0 < N <= 1000) 。随后的 N 行每行两个整数,第一个表示B (0 <= B <= 10000) ,第 二个表示J (0 <= J<= 10000) 。 每组数据连续输入,不会用空行分隔。各组任务单独计时。 输出描述: 对于每组任务,输出最短完成时间,且每组的结果独占一行。例如,两组任务就应该有两行输出。 示例: 输入 2 2 1 1 2 2 3 1 1 2 2 3 3 输出 4 7
def get_least_time(tasks):
all_time_tasks = sorted(tasks, key=lambda x: x[1], reverse=True)
# print(all_time_s)
set_end_time = 0
longest_end_time = 0
for s, r in all_time_tasks:
set_end_time += s
task_end_time = set_end_time + r
longest_end_time = max(task_end_time, longest_end_time)
# print('set_end_time:', set_end_time, 'task_end_time:', task_end_time, 'longest_end_time:', longest_end_time)
return longest_end_time
M = int(input())
for k in range(M):
N = int(input())
B_all = []
J_all = []
for i in range(N):
B_J = input()
B = int(B_J.split()[0])
J = int(B_J.split()[1])
B_all.append(B)
J_all.append(J)
tasks = list(zip(B_all, J_all))
print(get_least_time(tasks))