C++二分查找算法:规划兼职工作

简介: C++二分查找算法:规划兼职工作

本文涉及的基础知识点

二分查找算法合集

题目

你打算利用空闲时间来做兼职工作赚些零花钱。

这里有 n 份兼职工作,每份工作预计从 startTime[i] 开始到 endTime[i] 结束,报酬为 profit[i]。

给你一份兼职工作表,包含开始时间 startTime,结束时间 endTime 和预计报酬 profit 三个数组,请你计算并返回可以获得的最大报酬。

注意,时间上出现重叠的 2 份工作不能同时进行。

如果你选择的工作在时间 X 结束,那么你可以立刻进行在时间 X 开始的下一份工作。

示例 1:

输入:startTime = [1,2,3,3], endTime = [3,4,5,6], profit = [50,10,40,70]

输出:120

解释:

我们选出第 1 份和第 4 份工作,

时间范围是 [1-3]+[3-6],共获得报酬 120 = 50 + 70。

示例 2:

输入:startTime = [1,2,3,4,6], endTime = [3,5,10,6,9], profit = [20,20,100,70,60]

输出:150

解释:

我们选择第 1,4,5 份工作。

共获得报酬 150 = 20 + 70 + 60。

示例 3:

输入:startTime = [1,1,1], endTime = [2,3,4], profit = [5,6,4]

输出:6

参数范围

1 <= startTime.length == endTime.length == profit.length <= 5 * 10^4

1 <= startTime[i] < endTime[i] <= 10^9

1 <= profit[i] <= 10^4

分析

基础分析

假定先完成工作i,再完成j,那么start[i]一定小于start[j],所以先对开始时间排序。证明:startTime[i] < endTime[i] 且endTime[i] <=startTime[j]。只排序索引就可以了。

mEndTimeToProfit的key对应已完成工作的时间,value对应总报酬。如果key0 <=key1,且value0 >= value1,则key2被淘汰。

key1能被选择,key0一定能被选择,且value0大于等于value1。淘汰后,键key和值value都是按升序排序

由于必定有结果,所以无需判断mEndTimeToProfit是否为空,由于值也是升序,所以返回最后一个元素。

时间复杂度

O(nlogn)。至少能完成一份工作,我们枚举最后一份工作。

如果没有工作已经结束 则只能完成本工作
如果有工作已完成 完成本工作+已经完成工作中报酬最多的工作

代码

template<class _Kty,class _Ty,bool bValueDdes,bool bOutSmallKey>
class COrderValueMap
{
public:
void Add (_Kty iValue, _Ty iNum)
{
if (!bOutSmallKey)
{
if (bValueDdes)
{
Add(iValue, iNum, std::greater_equal<_Ty>(), std::less_equal<_Ty>());
}
else
{
Add(iValue, iNum, std::less_equal<_Ty>(), std::greater_equal<_Ty>());
}
}
};
template<class _Pr1, class _Pr2>
void Add(_Kty iValue, _Ty iNum, _Pr1 pr1,_Pr2 pr2 )
{
if (!bOutSmallKey)
{
auto it = m_map.upper_bound(iValue);
if ((m_map.begin() != it) && pr1(std::prev(it)->second ,iNum))
{
return;//被淘汰
}
auto ij = it;
for (; (m_map.end() != ij) && pr2(ij->second , iNum); ++ij);
m_map.erase(it, ij);
m_map[iValue] = iNum;
}
};
std::map<_Kty, _Ty> m_map;
};
class Solution {
public:
int jobScheduling(vector& startTime, vector& endTime, vector& profit) {
m_c = startTime.size();
vector indexs;
for (int i = 0; i < m_c; i++)
{
indexs.emplace_back(i);
}
sort(indexs.begin(), indexs.end(), [&startTime](const int& i1, const int& i2) {return startTime[i1] < startTime[i2]; });
COrderValueMap<int,int,true,false> mEndTimeToProfit;
for (int i : indexs)
{
auto it = mEndTimeToProfit.m_map.upper_bound(startTime[i]);
int iTotalProfit = profit[i];
if (mEndTimeToProfit.m_map.begin() != it)
{
iTotalProfit += std::prev(it)->second;
}
mEndTimeToProfit.Add(endTime[i], iTotalProfit);
}
return mEndTimeToProfit.m_map.rbegin()->second;
}
int m_c;
};

测试用例

template
void Assert(const T& t1, const T& t2)
{
assert(t1 == t2);
}
template
void Assert(const vector& v1, const vector& v2)
{
if (v1.size() != v2.size())
{
assert(false);
return;
}
for (int i = 0; i < v1.size(); i++)
{
Assert(v1[i], v2[i]);
}
}
int main()
{
vector startTime, endTime, profit;
int res;
{
Solution slu;
startTime = { 1, 2, 3, 3 };
endTime = { 3, 4, 5, 6 };
profit = { 50, 10, 40, 70 };
res = slu.jobScheduling(startTime, endTime, profit);
Assert(120, res);
}
//CConsole::Out(res);

}

2023年一月旧代码

class Solution {
public:
int jobScheduling(vector& startTime, vector& endTime, vector& profit) {
m_c = startTime.size();
vector indexs;
for (int i = 0; i < m_c; i++)
{
indexs.push_back(i);
}
std::sort(indexs.begin(), indexs.end(), [&startTime](const int& i1, const int& i2)
{
return startTime[i1] < startTime[i2];
});
int iMaxProfit = 0;
std::map<int, int> mEndProfit;
for (int i = 0; i < indexs.size(); i++ )
{
const int& index = indexs[i];
const int iNewEnd = endTime[index];
const int iProfit = iMaxProfit + profit[index];
if (mEndProfit.count(iNewEnd))
{
mEndProfit[iNewEnd] = max(mEndProfit[iNewEnd], iProfit);
}
else
{
mEndProfit[iNewEnd] = iProfit;
}
if (i + 1 < indexs.size())
{
const int iNextStart = startTime[indexs[i + 1]];
while (mEndProfit.size() && (mEndProfit.begin()->first <= iNextStart))
{
iMaxProfit = max(iMaxProfit, mEndProfit.begin()->second);
mEndProfit.erase(mEndProfit.begin());
}
}
}
for (auto& it : mEndProfit)
{
iMaxProfit = max(iMaxProfit, it.second);
}
return iMaxProfit;
}
int m_c;
};

2023年8月旧代码

class Solution {
public:
int jobScheduling(vector& startTime, vector& endTime, vector& profit) {
m_c = startTime.size();
vector indexs(m_c);
iota(indexs.begin(), indexs.end(), 0);
sort(indexs.begin(), indexs.end(), [&](const int i1, const int i2)
{
return startTime[i1] < startTime[i2];
});
std::map<int, int> mEndTotalPro;
int iMaxPro = 0;
for (int i : indexs)
{
while (mEndTotalPro.size() && (mEndTotalPro.begin()->first <= startTime[i]))
{
iMaxPro = max(iMaxPro, mEndTotalPro.begin()->second);
mEndTotalPro.erase(mEndTotalPro.begin());
}
const int end = endTime[i];
mEndTotalPro[end] = max(mEndTotalPro[end], profit[i] + iMaxPro);
}
int iRet = 0;
for (const auto& it : mEndTotalPro)
{
iRet = max(iRet, it.second);
}
return iRet;
}
int m_c;
};

扩展阅读

视频课程

有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。

https://edu.csdn.net/course/detail/38771

如何你想快

速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程

https://edu.csdn.net/lecturer/6176

相关下载

想高屋建瓴的学习算法,请下载《闻缺陷则喜算法册》doc版

https://download.csdn.net/download/he_zhidan/88348653

洒家想对大家说的话
闻缺陷则喜是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
墨家名称的来源:有所得以墨记之。
如果程序是一条龙,那算法就是他的是睛

测试环境

操作系统:win7 开发环境: VS2019 C++17

或者 操作系统:win10 开发环境:

VS2022 C++17


相关文章
|
9月前
|
存储 监控 算法
基于 C++ 哈希表算法实现局域网监控电脑屏幕的数据加速机制研究
企业网络安全与办公管理需求日益复杂的学术语境下,局域网监控电脑屏幕作为保障信息安全、规范员工操作的重要手段,已然成为网络安全领域的关键研究对象。其作用类似网络空间中的 “电子眼”,实时捕获每台电脑屏幕上的操作动态。然而,面对海量监控数据,实现高效数据存储与快速检索,已成为提升监控系统性能的核心挑战。本文聚焦于 C++ 语言中的哈希表算法,深入探究其如何成为局域网监控电脑屏幕数据处理的 “加速引擎”,并通过详尽的代码示例,展现其强大功能与应用价值。
206 2
|
5月前
|
存储 算法 搜索推荐
软考算法破壁战:从二分查找到堆排序,九大排序核心速通指南
专攻软考高频算法,深度解析二分查找、堆排序、快速排序核心技巧,对比九大排序算法,配套动画与真题,7天掌握45%分值模块。
263 1
软考算法破壁战:从二分查找到堆排序,九大排序核心速通指南
|
10月前
|
存储 算法 C++
Windows共享文件:探秘C++实现的B树索引算法奇境
在数字化时代,Windows共享文件的高效管理至关重要。B树算法以其自平衡多路搜索特性,在文件索引与存储优化中表现出色。本文探讨B树在Windows共享文件中的应用,通过C++实现具体代码,展示其构建文件索引、优化数据存储的能力,提升文件检索效率。B树通过减少磁盘I/O操作,确保查询高效,为企业和个人提供流畅的文件共享体验。
|
11月前
|
存储 负载均衡 算法
基于 C++ 语言的迪杰斯特拉算法在局域网计算机管理中的应用剖析
在局域网计算机管理中,迪杰斯特拉算法用于优化网络路径、分配资源和定位故障节点,确保高效稳定的网络环境。该算法通过计算最短路径,提升数据传输速率与稳定性,实现负载均衡并快速排除故障。C++代码示例展示了其在网络模拟中的应用,为企业信息化建设提供有力支持。
321 15
|
11月前
|
运维 监控 算法
解读 C++ 助力的局域网监控电脑网络连接算法
本文探讨了使用C++语言实现局域网监控电脑中网络连接监控的算法。通过将局域网的拓扑结构建模为图(Graph)数据结构,每台电脑作为顶点,网络连接作为边,可高效管理与监控动态变化的网络连接。文章展示了基于深度优先搜索(DFS)的连通性检测算法,用于判断两节点间是否存在路径,助力故障排查与流量优化。C++的高效性能结合图算法,为保障网络秩序与信息安全提供了坚实基础,未来可进一步优化以应对无线网络等新挑战。
|
11月前
|
存储 算法 数据处理
公司局域网管理中的哈希表查找优化 C++ 算法探究
在数字化办公环境中,公司局域网管理至关重要。哈希表作为一种高效的数据结构,通过哈希函数将关键值(如IP地址、账号)映射到数组索引,实现快速的插入、删除与查找操作。例如,在员工登录验证和设备信息管理中,哈希表能显著提升效率,避免传统线性查找的低效问题。本文以C++为例,展示了哈希表在局域网管理中的具体应用,包括设备MAC地址与IP分配的存储与查询,并探讨了优化哈希函数和扩容策略,确保网络管理高效准确。
|
9月前
|
监控 算法 数据处理
基于 C++ 的 KD 树算法在监控局域网屏幕中的理论剖析与工程实践研究
本文探讨了KD树在局域网屏幕监控中的应用,通过C++实现其构建与查询功能,显著提升多维数据处理效率。KD树作为一种二叉空间划分结构,适用于屏幕图像特征匹配、异常画面检测及数据压缩传输优化等场景。相比传统方法,基于KD树的方案检索效率提升2-3个数量级,但高维数据退化和动态更新等问题仍需进一步研究。未来可通过融合其他数据结构、引入深度学习及开发增量式更新算法等方式优化性能。
238 17
|
8月前
|
存储 机器学习/深度学习 算法
基于 C++ 的局域网访问控制列表(ACL)实现及局域网限制上网软件算法研究
本文探讨局域网限制上网软件中访问控制列表(ACL)的应用,分析其通过规则匹配管理网络资源访问的核心机制。基于C++实现ACL算法原型,展示其灵活性与安全性。文中强调ACL在企业与教育场景下的重要作用,并提出性能优化及结合机器学习等未来研究方向。
228 4
|
7月前
|
存储 监控 算法
基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
跳表(Skip List)是一种基于概率的数据结构,适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作,时间复杂度为 $O(\log n)$,优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色,具备实现简单、支持范围查询等优势,是企业网络监控中动态数据管理的理想选择。
206 0
|
存储 算法 C++
【C++数据结构——查找】二分查找(头歌实践教学平台习题)【合集】
二分查找的基本思想是:每次比较中间元素与目标元素的大小,如果中间元素等于目标元素,则查找成功;顺序表是线性表的一种存储方式,它用一组地址连续的存储单元依次存储线性表中的数据元素,使得逻辑上相邻的元素在物理存储位置上也相邻。第1次比较:查找范围R[0...10],比较元素R[5]:25。第1次比较:查找范围R[0...10],比较元素R[5]:25。第2次比较:查找范围R[0..4],比较元素R[2]:10。第3次比较:查找范围R[3...4],比较元素R[3]:15。,其中是顺序表中元素的个数。
559 68
【C++数据结构——查找】二分查找(头歌实践教学平台习题)【合集】