1383. Maximum Performance of a Team

最新推荐文章于 2024-11-21 11:50:53 发布

原创最新推荐文章于 2024-11-21 11:50:53 发布 · 427 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#leetcode

leetcode 专栏收录该内容

429 篇文章

订阅专栏

本文介绍了一种基于效率和速度的团队性能优化算法，通过小顶堆数据结构筛选出最多k个成员，以达到团队整体性能的最大化。算法首先对成员的效率和速度进行排序，然后使用小顶堆维护k个速度值，每次迭代更新速度总和和当前最大性能。

本质上，就是一个遍历所有的effecient，找到满足最小effecient的所有speed中，最多k个数字的最大值。

要找k个最大值，最方便的就是开个小顶堆，然后只存k个数，新来一个k+1，先pop最小的，然后再放入k+1个数。

bool cmp(const pair<int, int>& a, const pair<int, int>& b){
    if (a.second>b.second){
        return true;
    }
    else{
        return false;
    }
    
}

class Solution {
public:
    // 最多k个人，也就是说可以小于k个人。
    // 判断所有efficiency的情况
    int maxPerformance(int n, vector<int>& speed, vector<int>& efficiency, int k) {
        
        
        vector<pair<int, int>> cnt;
        for(int i=0;i<n;i++){
            pair<int, int> temp(speed[i], efficiency[i]);
            cnt.push_back(temp);
        }
        sort(cnt.begin(), cnt.end(), cmp);
        
        // for first k
        long res = 0;
        long mod = 1e9+7;
        long sum = 0;
        priority_queue<int, vector<int>, greater<int> > myqueue;
        
        // for k+1, ..., end
        for(int i=0;i<n;i++){
            if (i<k){
                myqueue.push(cnt[i].first);
                sum += cnt[i].first;
                res = max(res, sum*cnt[i].second);
            }
            else{
                sum += cnt[i].first-myqueue.top();
                myqueue.pop();
                myqueue.push(cnt[i].first);
                res = max(res, sum*cnt[i].second);
            }
        }
        
        return res%mod;
    }
};