任务调度程序
“任务计划程序”问题的详细指南和 Python 实现。
1. 学习
“任务调度程序”问题是堆/优先级队列部分的一个关键挑战。
此实现侧重于 Python 中的简单级逻辑。
在我们提供的解决方案中，我们优先考虑技术准确性和代码可读性。
2. Real-World Applications
3. Visual Intuition
可视化任务计划程序的逻辑流程。
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
仔细阅读任务计划程序的问题陈述。
2. Formulate brute force
起草一个简单的迭代解决方案。
3. Identify inefficiency
寻找冗余计算。
4. Optimize search path
使用散列或排序来加速该过程。
5. Final Implementation
清理生产标准代码。
问题陈述
给定一个 CPU 任务数组，每个任务都由字母 A 到 Z 和冷却间隔 n 表示。每个周期或间隔允许完成一项任务。任务可以按任何顺序完成，但有一个限制：由于冷却要求，相同的任务必须至少间隔 n 个间隔。
返回完成所有任务所需的最小间隔数。
编写一个函数 leastInterval(tasks: List[str], n: int) -> int。
- •1 <= len(tasks) <= 10^4
- •tasks[i] is an uppercase English letter
- •0 <= n <= 100
示例
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
- 空输入结构
- 单元素输入
- 大数值范围
准备好解决了吗？
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
面试见解和变化
复杂性分析分解
为什么时间: Directly evaluates all possibilities.
为什么选择太空: Uses standard local memory.
为什么时间: Optimized paths reduce total operations.
为什么选择太空: May trade memory for speed.
优化解决方案Python代码
优化解决方案Python代码
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 time暴力破解代码（剧透保护）
暴力破解代码（剧透保护）
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?
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
推荐的 Python 资源
通过相关的交互式教程、备忘单和代码比较来扩展您的知识。
Python 循环：For 和 While 循环解释
了解如何使用 Python 循环来迭代数据。通过交互式示例掌握 for 循环、while 循环、break、continue 和循环最佳实践。
如何在 Python 中对列表进行排序（升序和降序）
了解如何在 Python 中使用 sort() 方法和sorted() 函数对列表进行排序。发现自定义键排序和逆序示例。
Python 字符串方法备忘单
Python 字符串操作的完整参考指南。掌握格式化、搜索、拆分、替换和检查字符串属性。
Python 与 JavaScript：哪种编程语言最好？
Python 和 JavaScript 的全面比较。探索语法差异、性能、用例（后端与前端）和编码示例。