Kolejność zadań
Szczegółowy przewodnik i implementacja Python dla problemu „Sekwencjonowanie zadań”.
1. Ucz się
Problem „sekwencjonowania zadań” jest kluczowym wyzwaniem w sekcji Chciwość.
Ta implementacja koncentruje się na logice prostego poziomu w Python.
W dostarczanych przez nas rozwiązaniach priorytetem jest dokładność techniczna i czytelność kodu.
2. Real-World Applications
3. Visual Intuition
Wizualizacja przepływu logicznego dla sekwencjonowania zadań.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Przeczytaj uważnie opis problemu dotyczący kolejności zadań.
2. Formulate brute force
Zaprojektuj proste rozwiązanie iteracyjne.
3. Identify inefficiency
Poszukaj zbędnych obliczeń.
4. Optimize search path
Użyj funkcji mieszania lub sortowania, aby przyspieszyć proces.
5. Final Implementation
Oczyść kod dla standardów produkcyjnych.
Oświadczenie o problemie
Napisz funkcję job_scheduling(jobs), która pobiera listę krotek jobs, gdzie każda krotka to (job_id, deadline, profit). Wykonanie każdego zadania zajmuje 1 jednostkę czasu. Znajdź maksymalny zysk i liczbę wykonanych zadań i zwróć je jako krotkę (job_count, max_profit).
- •1 <= len(jobs) <= 10^4
- •1 <= deadline <= 100
- •1 <= profit <= 1000
Przykłady
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
- Puste struktury wejściowe
- Wejścia jednoelementowe
- Duże granice liczbowe
Gotowy do rozwiązania?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Spostrzeżenia i odmiany wywiadu
Podział analizy złożoności
Dlaczego Czas: Directly evaluates all possibilities.
Dlaczego kosmos: Uses standard local memory.
Dlaczego Czas: Optimized paths reduce total operations.
Dlaczego kosmos: May trade memory for speed.
Zoptymalizowany kod rozwiązania w języku Python
Zoptymalizowany kod rozwiązania w języku 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, profitKod brutalnej siły (chroniony spoilerami)
Kod brutalnej siły (chroniony spoilerami)
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
Obowiązują standardowe właściwości problemu zachłannego.
Powiązane pytania
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Polecane zasoby Pythona
Poszerzaj swoją wiedzę dzięki powiązanym interaktywnym samouczkom, ściągawkom i porównaniom kodów.
Pętle Pythona
Dowiedz się, jak używać pętli Pythona do iteracji danych. Opanuj pętle for, pętle while, przerywaj, kontynuuj i pętluj najlepsze praktyki dzięki interaktywnym przykładom.
Jak sortować listę w Pythonie
Dowiedz się, jak sortować listę w Pythonie za pomocą metody sort() i funkcji sorted(). Odkryj przykłady niestandardowego sortowania kluczy i odwrotnej kolejności.
Ściągawka dotycząca metod ciągów w Pythonie
Kompletny przewodnik dotyczący manipulacji ciągami znaków w języku Python. Opanuj formatowanie, wyszukiwanie, dzielenie, zastępowanie i sprawdzanie właściwości ciągów.
Python kontra JavaScript: który język programowania jest najlepszy?
Kompleksowe porównanie Pythona i JavaScript. Poznaj różnice w składni, wydajność, przypadki użycia (backend vs frontend) i przykłady kodowania.