Aufgabenplaner
Detaillierte Anleitung und Python-Implementierung für das Problem „Task Scheduler“.
1. Lernen
Das „Task Scheduler“-Problem ist eine zentrale Herausforderung im Bereich Heap/Prioritätswarteschlange.
Diese Implementierung konzentriert sich auf einfache Logik in Python.
Wir legen bei unseren bereitgestellten Lösungen Wert auf technische Genauigkeit und Lesbarkeit des Codes.
2. Real-World Applications
3. Visual Intuition
Visualisierung des Logikflusses für den Taskplaner.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Lesen Sie die Problemstellung für den Taskplaner sorgfältig durch.
2. Formulate brute force
Entwerfen Sie eine einfache iterative Lösung.
3. Identify inefficiency
Suchen Sie nach redundanten Berechnungen.
4. Optimize search path
Verwenden Sie Hashing oder Sortieren, um den Prozess zu beschleunigen.
5. Final Implementation
Bereinigen Sie den Code für Produktionsstandards.
Problemstellung
Sie erhalten eine Reihe von CPU-Aufgaben, die jeweils durch einen Buchstaben von A bis Z dargestellt werden, und ein Abkühlintervall n. Jeder Zyklus oder jedes Intervall ermöglicht die Erledigung einer Aufgabe. Aufgaben können in beliebiger Reihenfolge erledigt werden, es gibt jedoch eine Einschränkung: Aufgrund der Kühlanforderungen müssen identische Aufgaben durch mindestens n Intervalle voneinander getrennt werden.
Gibt die Mindestanzahl an Intervallen zurück, die zum Abschließen aller Aufgaben erforderlich sind.
Schreiben Sie eine Funktion leastInterval(tasks: List[str], n: int) -> int.
- •1 <= len(tasks) <= 10^4
- •tasks[i] is an uppercase English letter
- •0 <= n <= 100
Beispiele
tasks = ["A","A","A","B","B","B"], n = 2
8
A possible sequence is A -> B -> idle -> A -> B -> idle -> A -> B.
tasks = ["A","A","A","B","B","B"], n = 0
6
With no cooling interval, tasks can be executed continuously without idles.
Need a Hint?
Edge Cases to Watch
- Leere Eingabestrukturen
- Einzelelementeingaben
- Große numerische Grenzen
Bereit zur Lösung?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Einblicke und Variationen in Interviews
Aufschlüsselung der Komplexitätsanalyse
Warum Zeit: Directly evaluates all possibilities.
Warum Weltraum: Uses standard local memory.
Warum Zeit: Optimized paths reduce total operations.
Warum Weltraum: May trade memory for speed.
Optimierter Lösungs-Python-Code
Optimierter Lösungs-Python-Code
import heapq, collections
def least_interval_opt(tasks, n):
count = collections.Counter(tasks)
maxHeap = [-cnt for cnt in count.values()]
heapq.heapify(maxHeap)
time = 0
q = collections.deque()
while maxHeap or q:
time += 1
if maxHeap:
cnt = 1 + heapq.heappop(maxHeap)
if cnt: q.append([cnt, time + n])
if q and q[0][1] == time:
heapq.heappush(maxHeap, q.popleft()[0])
return timeBrute-Force-Code (Spoiler Guarded)
Brute-Force-Code (Spoiler Guarded)
def least_interval_brute(tasks, n):
import collections
counts = collections.Counter(tasks)
max_f = max(counts.values())
ans = (max_f - 1) * (n + 1)
for f in counts.values():
if f == max_f: ans += 1
return max(len(tasks), ans)Algorithm Pattern Checklist
When dealing with Heap / Priority Queue data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Es gelten die standardmäßigen Heap-/Prioritätswarteschlangen-Problemeigenschaften.
Verwandte Fragen
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Empfohlene Python-Ressourcen
Erweitern Sie Ihr Wissen mit zugehörigen interaktiven Tutorials, Spickzetteln und Codevergleichen.
Python-Schleifen
Erfahren Sie, wie Sie Python-Schleifen zum Durchlaufen von Daten verwenden. Beherrschen Sie Best Practices für For-Schleifen, While-Schleifen, Break, Continue und Loop anhand interaktiver Beispiele.
So sortieren Sie eine Liste in Python
Erfahren Sie, wie Sie eine Liste in Python mit der Methode sort() und der Funktion sorted() sortieren. Entdecken Sie Beispiele für benutzerdefinierte Schlüsselsortierung und umgekehrte Reihenfolge.
Spickzettel für Python-String-Methoden
Ein vollständiges Referenzhandbuch für die Python-String-Manipulation. Meistern Sie das Formatieren, Suchen, Teilen, Ersetzen und Überprüfen von Zeichenfolgeneigenschaften.
Python vs. JavaScript: Welche Programmiersprache ist die beste?
Ein umfassender Vergleich zwischen Python und JavaScript. Entdecken Sie Syntaxunterschiede, Leistung, Anwendungsfälle (Backend vs. Frontend) und Codierungsbeispiele.