公司有编号为 1
到 n
的 n
个工程师,给你两个数组 speed
和 efficiency
,其中 speed[i]
和 efficiency[i]
分别代表第 i
位工程师的速度和效率。请你返回由最多 k
个工程师组成的 最大团队表现值 ,由于答案可能很大,请你返回结果对 10^9 + 7
取余后的结果。
团队表现值 的定义为:一个团队中「所有工程师速度的和」乘以他们「效率值中的最小值」。
示例 1:
输入:n = 6, speed = [2,10,3,1,5,8], efficiency = [5,4,3,9,7,2], k = 2 输出:60 解释: 我们选择工程师 2(speed=10 且 efficiency=4)和工程师 5(speed=5 且 efficiency=7)。他们的团队表现值为 performance = (10 + 5) * min(4, 7) = 60 。
示例 2:
输入:n = 6, speed = [2,10,3,1,5,8], efficiency = [5,4,3,9,7,2], k = 3 输出:68 解释: 此示例与第一个示例相同,除了 k = 3 。我们可以选择工程师 1 ,工程师 2 和工程师 5 得到最大的团队表现值。表现值为 performance = (2 + 10 + 5) * min(5, 4, 7) = 68 。
示例 3:
输入:n = 6, speed = [2,10,3,1,5,8], efficiency = [5,4,3,9,7,2], k = 4 输出:72
提示:
1 <= n <= 10^5
speed.length == n
efficiency.length == n
1 <= speed[i] <= 10^5
1 <= efficiency[i] <= 10^8
1 <= k <= n
思路:
当结果由两部分,speed_sum 和 min(effiency) 计算得来时,就比较麻烦,
如果我们能固定一部分,通过改变另一部分的值来计算结果,就会较为简单。
那选择固定哪一部分呢?
显然应该选择 min(effiency), 因为一个团队里效率的最小值永远由效率最低的那个人决定,只要固定了这个人,无论其他的人怎么变,min(effiency)都不会改变。
所以我们不妨以每一个人的效率作为一个团队里的最小效率,来构建团队。
比如说,我们选择A的效率为最小效率,接着我们就可以在比A效率高的人里面选 K - 1个,来得到最大的 speed_sum。
找最大的speed_sum的过程等于经典的 TOPK 问题,可以由最小堆求解。
时间复杂度: O(NlogN + NlogK)
空间复杂度:O(N + K)
class Solution(object):
def maxPerformance(self, n, speed, efficiency, k):
"""
:type n: int
:type speed: List[int]
:type efficiency: List[int]
:type k: int
:rtype: int
"""
from heapq import *
combine = [(speed[i], efficiency[i]) for i in range(n)]
combine = sorted(combine, key = lambda x: - x[1])
res = 0
MOD = 10 ** 9 + 7
min_heap = []
speed_sum = 0
for i in range(n):
s, e = combine[i]
if len(min_heap) < k:
heappush(min_heap, s)
speed_sum += s
else:
if min_heap and min_heap[0] < s:
speed_sum = speed_sum - min_heap[0] + s
heappush(min_heap, s)
heappop(min_heap)
res = max(res, speed_sum * e)
return res % MOD