力扣621.任务调度器

最新推荐文章于 2023-02-19 11:13:31 发布

我怎么又饿了呀

最新推荐文章于 2023-02-19 11:13:31 发布

阅读量411

点赞数 3

CC 4.0 BY-SA版权

分类专栏： LeetCode题解文章标签： python leetcode

本文链接：https://blog.csdn.net/adminkeys/article/details/110676696

LeetCode题解专栏收录该内容

33 篇文章

订阅专栏

本文介绍了一个CPU执行任务列表的问题，即任务调度器问题。重点在于如何计算完成所有任务所需的最短时间，特别是在相同类型的任务之间需要有冷却时间的情况下。文章通过示例详细解释了这一算法的实现过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

任务调度器

给你一个用字符数组 tasks 表示的 CPU 需要执行的任务列表。其中每个字母表示一种不同种类的任务。任务可以以任意顺序执行，并且每个任务都可以在 1 个单位时间内执行完。在任何一个单位时间，CPU 可以完成一个任务，或者处于待命状态。

然而，两个相同种类的任务之间必须有长度为整数 n 的冷却时间，因此至少有连续 n 个单位时间内 CPU 在执行不同的任务，或者在待命状态。

你需要计算完成所有任务所需要的最短时间。

示例 1：

输入：tasks = ["A","A","A","B","B","B"], n = 2
输出：8
解释：A -> B -> (待命) -> A -> B -> (待命) -> A -> B
     在本示例中，两个相同类型任务之间必须间隔长度为 n = 2 的冷却时间，而执行一个任务只需要一个单位时间，所以中间出现了（待命）状态。 
示例 2：

输入：tasks = ["A","A","A","B","B","B"], n = 0
输出：6
解释：在这种情况下，任何大小为 6 的排列都可以满足要求，因为 n = 0
["A","A","A","B","B","B"]
["A","B","A","B","A","B"]
["B","B","B","A","A","A"]
...
诸如此类

示例 3：

输入：tasks = ["A","A","A","A","A","A","B","C","D","E","F","G"], n = 2
输出：16
解释：一种可能的解决方案是：
     A -> B -> C -> A -> D -> E -> A -> F -> G -> A -> (待命) -> (待命) -> A -> (待命) -> (待命) -> A

链接：https://leetcode-cn.com/problems/task-scheduler

总排队时间 = (任务元素个数- 1) * (n + 1) + 最后的任务元素

ct = Counter(tasks)
nbucket = ct.most_common(1)[0][1]
last_bucket_size = list(ct.values()).count(nbucket)
res = (nbucket - 1) * (n + 1) + last_bucket_size
return max(res, len(tasks))