【Leetcode】1665. Minimum Initial Energy to Finish Tasks（配数学证明）

题目地址：

https://leetcode.com/problems/minimum-initial-energy-to-finish-tasks/

给定若干任务$A$，每个任务有两个性质，一个是其消耗的能量，另一个是开始做它的时候必须具备的初始能量（门槛能量）。这些任务可以按任何顺序一个接着一个做。问初始至少要多少能量才能将所有任务都完成。题目保证门槛能量大于等于消耗能量。

思路是贪心。我们逆过来想， 如果我们初始有$0$能量，然后经过一个个任务，回到初始状态，会是什么样的情况。我们考虑正在做任务$t$，其消耗的能量是$t_x$，门槛是$t_y$，假设做完这个任务之后的能量是$z$，那么”回滚“任务之后的能量就是$z+t_x$，但是，回滚之后的能量还必须至少是$t_y$，所以完成该任务之后的能量应当满足$z+t_x\ge t_y$，即$z\ge t_y-t_x$，所以做该任务之前的能量应该至少是 max ⁡ { t x + z , t y } \max\{t_x+z,t_y\} max{tx​+z,ty​}。由于$t_y\ge t_x$，所以我们不但要把消耗的能量$t_x$补回来，还有可能需要额外补$t_y-t_x-z$。那么我们将所有任务按照门槛能量减去消耗能量（即可能要额外补充的能量）进行从小到大排序，然后依次回滚任务，这样就能达到额外补足的能量都尽量仅仅用于达到门槛，而不会有多余的浪费。我们猜测，按这样的顺序回滚所得的初始能量应该是最少的。

算法正确性证明：
设$A$已经按照差从小到大排序，然后考虑回滚任务。如果初始能量是$w$，然后我们考虑回滚两个任务$(a,a+u)$和$(b,b+v)$，其中$u<v$。如果先回滚任务$1$，得到的必须的最少能量是 max ⁡ { a + w , a + u } \max\{a+w,a+u\} max{a+w,a+u}，再回滚任务$2$，得 max ⁡ { max ⁡ { a + w , a + u } + b , b + v } = max ⁡ { max ⁡ { w , u } + a + b , b + v } \max\{\max\{a+w,a+u\}+b,b+v\}=\max\{\max\{w,u\}+a+b,b+v\} max{max{a+w,a+u}+b,b+v}=max{max{w,u}+a+b,b+v}；如果先回滚任务$2$再任务$1$，则得 max ⁡ { max ⁡ { w , v } + a + b , b + u } \max\{\max\{w,v\}+a+b,b+u\} max{max{w,v}+a+b,b+u}，由于 max ⁡ { max ⁡ { w , u } + a + b , b + v } < max ⁡ { max ⁡ { w , v } + a + b , b + u } \max\{\max\{w,u\}+a+b,b+v\}<\max\{\max\{w,v\}+a+b,b+u\} max{max{w,u}+a+b,b+v}<max{max{w,v}+a+b,b+u}所以先回滚任务$1$能得到更少的能量。所以按照门槛能量减去消耗能量从小到大排列来回滚，最后能得到最少的能量。所以对于任务数小于等于$2$的时候，算法正确。接下来数学归纳法。假设任务数小于$n$的时候都是对的，当任务数等于$n$的时候，如果最优解里任务$A[0]$不是第一个回滚，那么我们可以将$A[0]$向前对换若干次换到首先回滚，由此所得的解一定也是最优解（因为每次对换的时候都得到了更优解，但是当前解已经最优了，所以每次对换得到的还是最优解）。接着由归纳假设，后面的$n-1$个任务按照差从小到大回滚也是最优的。再由数学归纳法，所以算法正确。

代码如下：

import java.util.Arrays;

public class Solution {
    public int minimumEffort(int[][] tasks) {
        Arrays.sort(tasks, (t1, t2) -> Integer.compare(t1[1] - t1[0], t2[1] - t2[0]));
        
        int res = 0;
        // 按次序回滚任务
        for (int i = 0; i < tasks.length; i++) {
            int[] task = tasks[i];
            res = Math.max(res + task[0], task[1]);
        }
        
        return res;
    }    
}

时间复杂度$O(n\log n)$，$n$是任务数，空间$O(n)$。