任務調度程序
“任務計劃程序”問題的詳細指南和 Python 實作。
1. 學習
「任務調度程序」問題是堆/優先權佇列部分的一個關鍵挑戰。
此實作著重於 Python 中的簡單層級邏輯。
在我們提供的解決方案中，我們優先考慮技術準確性和程式碼可讀性。
2. Real-World Applications
3. Visual Intuition
可視化任務規劃程序的邏輯流程。
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
仔細閱讀任務規劃程序的問題陳述。
2. Formulate brute force
起草一個簡單的迭代解決方案。
3. Identify inefficiency
尋找冗餘計算。
4. Optimize search path
使用散列或排序來加速該過程。
5. Final Implementation
清理生產標準代碼。
問題陳述
給定一個 CPU 任務數組，每個任務都由字母 A 到 Z 和冷卻間隔 n 表示。每個週期或間隔允許完成一項任務。任務可以按任何順序完成，但有一個限制：由於冷卻要求，相同的任務必須至少間隔 n 個間隔。
傳回完成所有任務所需的最小間隔數。
寫一個函數 leastInterval(tasks: List[str], n: int) -> int。
- •1 <= len(tasks) <= 10^4
- •tasks[i] is an uppercase English letter
- •0 <= n <= 100
範例
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
- 空輸入結構
- 單元素輸入
- 大數值範圍
準備好解決了嗎？
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
面試見解和變化
複雜度分析分解
為什麼時間: Directly evaluates all possibilities.
為什麼選擇太空: Uses standard local memory.
為什麼時間: Optimized paths reduce total operations.
為什麼選擇太空: May trade memory for speed.
最佳化解決方案Python程式碼
最佳化解決方案Python程式碼
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暴力破解代碼（劇透保護）
暴力破解代碼（劇透保護）
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!
推薦的 Python 資源
透過相關的互動式教學、備忘單和程式碼比較來擴展您的知識。
Python 迴圈：For 與 While 迴圈解釋
了解如何使用 Python 循環來迭代資料。透過互動式範例掌握 for 迴圈、while 迴圈、break、continue 和迴圈最佳實務。
如何在 Python 中對列表進行排序（升序和降序）
了解如何在 Python 中使用 sort() 方法和sorted() 函數對清單進行排序。發現自訂鍵排序和逆序範例。
Python 字串方法備忘單
Python 字串操作的完整參考指南。掌握格式化、搜尋、拆分、取代和檢查字串屬性。
Python 與 JavaScript：哪種程式語言最好？
Python 和 JavaScript 的全面比較。探索語法差異、效能、用例（後端與前端）和編碼範例。