Utilità di pianificazione
Guida dettagliata e implementazione Python per il problema dell'"Utilità di pianificazione".
1. Impara
Il problema dell'Utilità di pianificazione è una sfida chiave nella sezione Heap/Coda prioritaria.
Questa implementazione si concentra sulla logica di livello semplice in Python.
Diamo priorità all'accuratezza tecnica e alla leggibilità del codice nelle soluzioni fornite.
2. Real-World Applications
3. Visual Intuition
Visualizzazione del flusso logico per l'Utilità di pianificazione.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Leggere attentamente la dichiarazione del problema per l'Utilità di pianificazione.
2. Formulate brute force
Elaborare una semplice soluzione iterativa.
3. Identify inefficiency
Cerca calcoli ridondanti.
4. Optimize search path
Utilizza l'hashing o l'ordinamento per accelerare il processo.
5. Final Implementation
Ripulire il codice per gli standard di produzione.
Dichiarazione del problema
Ti viene fornita una serie di attività della CPU, ciascuna rappresentata da una lettera dalla A alla Z, e un intervallo di raffreddamento n. Ogni ciclo o intervallo consente il completamento di un'attività. Le attività possono essere completate in qualsiasi ordine, ma esiste un vincolo: attività identiche devono essere separate da almeno n intervalli a causa dei requisiti di raffreddamento.
Restituisce il numero minimo di intervalli richiesti per completare tutte le attività.
Scrivi una funzione leastInterval(tasks: List[str], n: int) -> int.
- •1 <= len(tasks) <= 10^4
- •tasks[i] is an uppercase English letter
- •0 <= n <= 100
Esempi
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
- Strutture di input vuote
- Ingressi a elemento singolo
- Grandi limiti numerici
Pronto a risolvere?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Approfondimenti e variazioni dell'intervista
Scomposizione dell'analisi della complessità
Perché il tempo: Directly evaluates all possibilities.
Perché lo spazio: Uses standard local memory.
Perché il tempo: Optimized paths reduce total operations.
Perché lo spazio: May trade memory for speed.
Codice Python della soluzione ottimizzata
Codice Python della soluzione ottimizzata
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 timeCodice forza bruta (protetto da spoiler)
Codice forza bruta (protetto da spoiler)
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
Si applicano le proprietà del problema Heap/Coda con priorità standard.
Domande correlate
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Risorse Python consigliate
Espandi le tue conoscenze con tutorial interattivi, foglietti illustrativi e confronti di codici correlati.
Cicli Python
Scopri come utilizzare i loop Python per eseguire iterazioni sui dati. Padroneggia le best practice sui cicli for, while, interruzione, continua e loop con esempi interattivi.
Come ordinare un elenco in Python
Scopri come ordinare un elenco in Python utilizzando il metodo sort() e la funzione sorted(). Scopri l'ordinamento delle chiavi personalizzato e gli esempi di ordine inverso.
Foglio informativo sui metodi delle stringhe Python
Una guida di riferimento completa per la manipolazione delle stringhe Python. Padroneggia la formattazione, la ricerca, la divisione, la sostituzione e il controllo delle proprietà delle stringhe.
Python vs JavaScript: quale linguaggio di programmazione è il migliore?
Un confronto completo tra Python e JavaScript. Esplora le differenze di sintassi, le prestazioni, i casi d'uso (backend e frontend) ed esempi di codifica.