java—要执行的最大任务数

yruzcnhs  于 2021-08-25  发布在  Java
关注(0)|答案(1)|浏览(297)

我遇到了一个问题。我知道dp可以在这里应用,但不能得到它。
考虑正数行的一部分开始 0 结束于 10^9 . 你从 0 可以执行的任务有n个。
这个 ith 任务正在进行中 l[i] 需要 t[i] 需要执行的时间。表演 ith 任务,你必须达到目的 l[i] 花时间 t[i] 在那个地方。
在路径上移动一个单位需要1秒,即从1到3将需要(3-1)=2秒。
给你t秒的时间,在这段时间里你必须尽可能多地执行任务并返回起始位置。我需要找到在时间t内可以执行的最大值。
例子
考虑m=3,t=10,和L[]=[1, 2 ],和t[]=[3, 2 ]。
如果我们执行第一个任务,则消耗的总时间为1(旅行)+3(完成任务)=4。剩余时间为10-4=6。
现在,如果我们连续执行第二个任务,所花费的总时间是1(从1开始旅行)+2(完成任务)=3。剩余的时间是6-3=3。
现在,如果我们从2返回到0,所花费的总时间是2,剩余的时间是3-2=1,因此我们可以在给定的时间内安全地完成这两项任务。所以答案是2。
约束很高:

1 <= N <= 10 ^ 5
0 <= T <= 10 ^ 8
0 <= l[i], t[i] <= 10 ^ 9
tvokkenx

tvokkenx1#

有一个最优的解决方案,我们从0移动到某个坐标x,然后再返回,贪婪地从最短到最长的间隔[0,x]中选择任务。
可能会有一个动态规划解决方案,但这不是我首先想要的。相反,我会使用扫描线算法,将x从0增加到t/2,以保持最佳解。当x经过时 l[i] ,我们添加了任务 i 把它列入议程。只要当前议程占用太多时间,我们就会放弃最长的任务。
该算法在python中类似于此(未经测试)。

import heapq

def max_tasks(T, l, t):
    x = 0
    heap = []
    opt = 0
    # Sweep the tasks left to right
    for l_i, t_i in sorted(zip(l, t)):
        # Increase x to l_i
        T -= 2 * (l_i - x)
        x = l_i
        # Add task i to the agenda
        T -= t_i
        # This is a min-heap, but we want the longest tasks first
        heapq.heappush(heap, -t_i)
        # Address a time deficit by dropping tasks
        while T < 0:
            if not heap:
                # Travelled so far we can't do any tasks
                return opt
            # Subtract because the heap elements are minus the task lengths
            T -= heapq.heappop(heap)
        # Update the optimal solution so far
        opt = max(opt, len(heap))
    return opt

相关问题