Leetcode2071 你可以安排的最多任务数目
问题描述
tasks表示需要被安排的工作, workers表示所有工人的体力值。pills 表示药片的数量, strength表示一个药片能提供的体力值。需要输出能够安排的最大的任务数。
问题分析1 二分(leetcode官方给出的题解)
- 如果我们一定可以完成 k k k个任务,则task中最小的k个任务一定可以被workers中体力最大的k个工人完成。(当任务可以被完成的时候, 我们的最强战力一定是可以完成的)
- 如果我们可以完成k个任务,那么一定可以完成k-1个任务。并且k-1个最小的任务一定可以被体力最大的k-1个任务完成。
注意1的逆否命题就是:
如果task中最小的k个任务无法被体力最强的k个工人完成,则我们无法完成k个任务。
k个任务可以被完成->最强k个一定能完成k个最小的任务
k个最小的任务不能被最强的k个完成->k个任务一定完不成。
设可以完成的工作数量为ans
最强的k个工人完成最小的k个任务 -> ans>= k。
最强的k个工人无法完成最小的k个任务-> ans < k
所以我们应该考虑最小的k个任务与体力最好的k个工人。从1开始 到 N= min(tasks.size() , workers.size() )。k = 0:N ,存在一个 k ′ k^{'} k′使得 k ′ k^{'} k′个体力最大的工人可以完成 k ′ k^{'} k′个最小的任务,但是 k ′ + 1 k^{'}+1 k′+1个体力最好的工人无法完成 k ′ + 1 k^{'}+1 k′+1个最小的任务。
问题分析2 k个体力最好的工人完成k个最小的任务
考虑值最大的那个任务t
1.如果有工人的值大于等于该任务的值,则不使用药丸,一定让值最大的工人来完成t。
2.如果所有的工人的值都小于该任务的值,当前一定要吃药了, 也就是目标值变为 t - strength。
找到第一个 >= t-strength的那个工人来完成这个任务。
此时就可以写代码实现了,以下是leetcode的官方题解:
bool check(int mid, int& pills, int& strength, vector<int>& workers, vector<int>& tasks)
{
//用lambda表达式可以避免传值
int p = pills;
multiset<int> ws;
for(int i = m-mid; i< m;i++)
{
//workers的后mid个
ws.insert(workers[i]);
}
for(int i = mid -1; i >=0; i++)
{
multiset<int>::iterator it = prev(ws.end()); //ws 最大的工人
if(*it>= tasks[i])
{
ws.erase(it);
}
else
{
if(!p)//没药了
{
return false;
}
else
{
auto rep = ws.lower_bound(tasks[i]);
if(rep == ws.end()) //吃了药也不行
{
return false;
}
else{
ws.erase(rep);
p--;
}
}
}
return true; //所有mid个任务被安排了
}
}
int maxTaskAssign(vector<int>& tasks, vector<int>& workers, int pills, int strength)
{
int n = tasks.size(), m = tasks.size();
//将tasks 和 workers 都排序
sort(tasks.begin(), tasks.end());
sort(workers.begin() , workers.end());
//二分
int left = 1, right = min(m,n);
int ans = 0;
while(left <= right)
{
int mid = (left+ right)/2;
if(check(mid, pills, strength, workers,tasks))
{
ans = mid;
left = mid+1;
}
else
{
right = mid-1;
}
}
return ans;
}
可以看出整体来说是一个二分过程。
时间与空间复杂度分析
用一个双向队列来优化
int maxTasksAssign(vector<int>& tasks, vector<int>& worker, int pills, int strength )
{
int n = tasks.size(), m = workers.size();
sort(tasks.begin(), tasks.end());
sort(workers.begin(),workers.end());
auto check = [&](int mid)->bool
{
int p = pills;
deque<int> ws;
int ptr = m-1; //队尾
for(int i = mid -1; i>=0; i--)
{
while(ptr >= m-mid && workers[ptr] >= (tasks[i]-strength) )
{
ws.push_front(workers[ptr]);
--ptr;
//所有能吃药把任务完成的工人入队
//队尾是最强的工人
}
if(ws.empty())
{
return false;//一个能吃药完成任务的工人都没有
}
if(ws.back() >= tasks[i]) //不吃药就直接完成
{
ws.pop_back();
}
else{
//要吃药了
if(!p)
{
return false;
}
ws.pop_front();
p--;
}
}
return true;
};
int left = 1, right = min(m,n);
int ans = 0;
while(left <= right)
{
int mid = (left+ right)/2;
if(check(mid, pills, strength, workers,tasks))
{
ans = mid;
left = mid+1;
}
else
{
right = mid-1;
}
}
return ans;
}
每次进入队列的都是吃了药能完成当前t的工人,由于task是非严格递减的,当前进入队列的工人吃了药之后也能完成下一个任务。当然对于下一个任务又有一些新的工人会加进来。
设集合
A
i
A_{i}
Ai为吃了药之后能完成第i 个任务的工人组成的集合,则有:
A
i
⊂
A
i
−
1
A_{i} \subset A_{i-1}
Ai⊂Ai−1 。
这道题的二分与贪心
贪心
这道题中的贪心应该是check函数的建立时使用了贪心的原则。
- 不吃药的时候尽量用体力最大的工人完成此任务。
- 吃药的时候尽量用能完成任务的体力最小的工人来完成此任务。
二分
checkh函数相当于一个偏序。
类似的一道题
之前遇到的一个动态规划的问题,有个大神也用了贪心+二分。可以对比一下:
最长上升子序列
dp[len] 表示长度为len的上升序列的最小末尾
#define MAXN 10005
int LIS(vector<int>& nums)
{
int dp[MAXN];
dp[0] = 0;
int len = 0;
for(int i = 0;i < nums.size(); i++ )
{
if(nums[i] > dp[len])
{
dp[++len] = nums[i];
}
else
{
*lower_bound(dp+1,dp +len, nums[i]) = nums[i];
}
}
return ans;
}