力扣每日一题:
给你一个整数数组 jobs ,其中 jobs[i] 是完成第 i 项工作要花费的时间。
请你将这些工作分配给 k 位工人。所有工作都应该分配给工人,且每项工作只能分配给一位工人。工人的 工作时间 是完成分配给他们的所有工作花费时间的总和。请你设计一套最佳的工作分配方案,使工人的 最大工作时间 得以 最小化 。
返回分配方案中尽可能 最小 的 最大工作时间 。
示例 1:
输入:jobs = [3,2,3], k = 3
输出:3
解释:给每位工人分配一项工作,最大工作时间是 3 。
示例 2:
输入:jobs = [1,2,4,7,8], k = 2
输出:11
解释:按下述方式分配工作:
1 号工人:1、2、8(工作时间 = 1 + 2 + 8 = 11)
2 号工人:4、7(工作时间 = 4 + 7 = 11)
最大工作时间是 11 。
提示:
1 <= k <= jobs.length <= 12
1 <= jobs[i] <= 107
直接很难求出最小的最大工作时间在这里设为limit,先想到暴力,枚举每一个可能的limit(可用二分),然后判断是否可行(搜索过程),然后简化,利用二分查找简化枚举过程。
1,为什么能用二分?如果当前limit不可行,则比这个limit更小的都不可行,如果当前这个limit可行,那么可能存在更小的可行的limit。
2,判断合法:k个工人无差别用一层循环判断是否可执行当前人物,如果可行则递归搜索下一个任务,分配任务按照先分配工作量大的任务,这样能避免小任务分配完大任务无法分配的现象。
class Solution { public: bool backtrack(vector<int>& jobs, vector<int>& workloads, int idx, int limit) { if (idx >= jobs.size()) { return true; } int cur = jobs[idx]; for (auto& workload : workloads) { if (workload + cur <= limit) { workload += cur; if (backtrack(jobs, workloads, idx + 1, limit)) { //剩下的工作都能按照limit分配 //直接返回可行 return true; } //不可行 workload -= cur; } // 如果当前工人未被分配工作,那么下一个工人也必然未被分配工作 // 或者当前工作恰能使该工人的工作量达到了上限 // 这两种情况下我们无需尝试继续分配工作 if (workload == 0 || workload + cur == limit) { break; } } return false; } bool check(vector<int>& jobs, int k, int limit) { vector<int> workloads(k, 0); return backtrack(jobs, workloads, 0, limit); } int minimumTimeRequired(vector<int>& jobs, int k) { sort(jobs.begin(), jobs.end(), greater<int>());//按照工作量从大到小排序 //对limit做二分查找,左边界为所有工作量的最大值,右边界为所有工作量之和 int l = jobs[0], r = accumulate(jobs.begin(), jobs.end(), 0); //accumulate(迭代器的起始位置,迭代器的终止位置,和的初始值) while (l < r) { int mid = (l + r) >> 1; if (check(jobs, k, mid)) { r = mid; } else { l = mid + 1; } } return l; } int minimumTimeRequeired(vector<int>& jobs, int k) { sort(jobs.begin(), jobs.end(),greater<int>()); int l = jobs[0]; int r = accumulate(jobs.begin(), jobs.end(), 0); while (l < r) { int mid = (l + r) >> 1;//右移一位等于整除2 if (check(jobs, k, mid)) { r = mid; } else { l = mid + 1; } } return l; } };