Urutan Pekerjaan
Panduan terperinci dan implementasi Python untuk masalah 'Urutan Pekerjaan'.
1. Belajar
Masalah 'Urutan Pekerjaan' merupakan tantangan utama di bagian Greedy.
Implementasi ini berfokus pada logika tingkat mudah di Python.
Kami memprioritaskan akurasi teknis dan keterbacaan kode dalam solusi yang kami berikan.
2. Real-World Applications
3. Visual Intuition
Memvisualisasikan alur logika untuk Urutan Pekerjaan.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Bacalah pernyataan masalah Urutan Pekerjaan dengan cermat.
2. Formulate brute force
Draf solusi berulang sederhana.
3. Identify inefficiency
Cari perhitungan yang berlebihan.
4. Optimize search path
Gunakan hashing atau pengurutan untuk mempercepat proses.
5. Final Implementation
Bersihkan kode untuk standar produksi.
Pernyataan Masalah
Tulis fungsi job_scheduling(jobs) yang mengambil daftar tupel jobs dengan setiap tupel adalah (job_id, deadline, profit). Setiap pekerjaan membutuhkan 1 unit waktu untuk diselesaikan. Temukan keuntungan maksimum dan jumlah pekerjaan yang diselesaikan, dan kembalikan sebagai tuple (job_count, max_profit).
- •1 <= len(jobs) <= 10^4
- •1 <= deadline <= 100
- •1 <= profit <= 1000
Contoh
job_scheduling([(1, 4, 20), (2, 1, 10), (3, 1, 40), (4, 1, 30)])
(2, 60)
We can do job 3 at time 1 and job 1 at time 2. Total profit is 40 + 20 = 60.
job_scheduling([(1, 2, 100), (2, 1, 19), (3, 2, 27), (4, 1, 25), (5, 3, 15)])
(3, 142)
We can do job 1, 3, and 5 for a total profit of 100 + 27 + 15 = 142.
Need a Hint?
Edge Cases to Watch
- Struktur masukan kosong
- Masukan elemen tunggal
- Batasan angka yang besar
Siap Memecahkannya?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Wawasan & Variasi Wawancara
Perincian Analisis Kompleksitas
Mengapa Waktu: Directly evaluates all possibilities.
Mengapa Luar Angkasa: Uses standard local memory.
Mengapa Waktu: Optimized paths reduce total operations.
Mengapa Luar Angkasa: May trade memory for speed.
Solusi yang Dioptimalkan Kode Python
Solusi yang Dioptimalkan Kode Python
def job_scheduling_opt(jobs):
jobs.sort(key=lambda x: x[1], reverse=True)
max_d = max(j[0] for j in jobs)
slot = [-1] * (max_d + 1); count = 0; profit = 0
for j in jobs:
for s in range(j[0], 0, -1):
if slot[s] == -1:
slot[s] = 1; count += 1; profit += j[1]; break
return count, profitKode Brute Force (Spoiler Dilindungi)
Kode Brute Force (Spoiler Dilindungi)
def job_scheduling_brute(jobs):
# Try all permutations and check deadlines (not practical)
return job_scheduling_opt(jobs)Algorithm Pattern Checklist
When dealing with Greedy data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Properti masalah Greedy standar berlaku.
Pertanyaan Terkait
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Sumber Daya Python yang Direkomendasikan
Perluas pengetahuan Anda dengan tutorial interaktif terkait, lembar contekan, dan perbandingan kode.
Loop Python
Pelajari cara menggunakan loop Python untuk melakukan iterasi pada data. Kuasai perulangan for, perulangan while, hancurkan, lanjutkan, dan ulangi praktik terbaik dengan contoh interaktif.
Cara Mengurutkan Daftar dengan Python
Pelajari cara mengurutkan daftar dengan Python menggunakan metode sortir() dan fungsi sortir(). Temukan contoh pengurutan kunci khusus dan urutan terbalik.
Lembar
Panduan referensi lengkap untuk manipulasi string Python. Kuasai pemformatan, pencarian, pemisahan, penggantian, dan pemeriksaan properti string.
Python vs JavaScript: Bahasa Pemrograman Mana yang Terbaik?
Perbandingan komprehensif antara Python dan JavaScript. Jelajahi perbedaan sintaksis, kinerja, kasus penggunaan (backend vs frontend), dan contoh pengkodean.