蓝桥杯_外卖店优先级 python(通俗易懂)

题目描述

"饱了么"外卖系统中维护着 N 家外卖店，编号 1 ∼ N。每家外卖店都有 一个优先级，初始时 (0 时刻) 优先级都为 0。

每经过 1 个时间单位，如果外卖店没有订单，则优先级会减少 1，最低减 到 0；而如果外卖店有订单，则优先级不减反加，每有一单优先级加 2。

如果某家外卖店某时刻优先级大于 5，则会被系统加入优先缓存中；如果 优先级小于等于 3，则会被清除出优先缓存。

给定 T 时刻以内的 M条订单信息，请你计算 T时刻时有多少外卖店在优 先缓存中?

输入描述

第一行包含 3 个整数 N,M,T

以下 M行每行包含两个整数 ts,id表示 ts时刻编号 id的外卖店收到一个订单。

其中，1 <= N,M,T <=10^5，1 <= ts <= T，1 <= id <= N

输出描述

输入输出样例

示例

输入

 2 6 6
 1 1
 5 2
 3 1
 6 2
 2 1
 6 2

输出

 1

样例解释：

6 时刻时，1 号店优先级降到 3，被移除出优先缓存；2 号店优先级升到 6， 加入优先缓存。所以是有 1 家店 (2 号) 在优先缓存中。

运行限制

• 最大运行时间：2s

• 最大运行内存: 256M

N,M,T=map(int,input().split())
dingdanlist=[]
for i in range(M):
    dingdanlist.append(list(map(int,input().split())))
#dingdanlist.sort(key=itemgetter(0))
dingdanlist.sort(key=lambda x:x[0])
shop=[0]*N
T_max=dingdanlist[-1][0]
t=1
index=0
count=0
tag=1
have_dd=[]
while t<=T_max:
    if t==dingdanlist[index][0] and tag:
        shop[dingdanlist[index][1]-1]+=2
        have_dd.append(dingdanlist[index][1]-1)
        index+=1
        if index==M:
            tag=0
        continue
    else:
        for i in range(N):
            if shop[i]==0:
                continue
            else:
                if i not in have_dd:
                    shop[i]-=1
    if t==T:
        for i in range(N):
            if shop[i]>3:
                count+=1
        break
    else:
        have_dd=[]
        t+=1
print(count)
                    

思路:主要是先将传进来的M行时间和订单通过sort进行排序,根据时间顺序进行排序,比如实例中数据就变成了

[[1, 1], [2, 1], [3, 1], [5, 2], [6, 2], [6, 2]],

变量解释:

1. t:记录该时刻的时间节点,
2.  index:记录为M行任务的进行情况.
3. tag:是做一个key来表示是否任务已经到头了,这个主要是用来防止末尾遇到了多个订单index一直加的缘故,超出了索引.
4. have_dd:则表示不同时间节点下有哪些店铺有订单

5. shop:为N个店铺,不同的下标代表不同的店铺,后续只用根据不同下标的值大于三则为优先级最高的

执行算法过程中:

• 如果时间 t 在任务中该时刻有订单,则对应的店铺增加2个优先级,且轮到下一个任务,如果下一个任务已经到头了,则标注tag为0,同时continue继续循环,这个时候时间是没有改变的哦,看当前时间下到底有多少个订单,且不同的店铺都会增加到have_dd内
• 如果当前时间内没有订单了,则开始对没有订单的店铺进行处理,如果是优先级为0的店铺则continue找下一个,如果不为0,且没有有订单的列表内,则对该店铺进行优先级减一
• 判断时间是否为指代的时间节点T,如果是则判断shop内的值是否大于3,如果大于三就count+=1,同时退出整个循环
• 没到时间节点的话,就把列表清空,且时间节点后移

虽然在ACwing内时间还是超时了,可以考虑用字典来存储shop可能会更快一些,或者其他的方法,也是可以尝试,我后面有时间再试试,不过我觉得这个思路是很棒的