Links

1834. 单线程 CPU

题目地址(1834. 单线程 CPU)

https://leetcode-cn.com/problems/single-threaded-cpu/

题目描述

给你一个二维数组 tasks ,用于表示 n​​​​​​ 项从 0 到 n - 1 编号的任务。其中 tasks[i] = [enqueueTimei, processingTimei] 意味着第 i​​​​​​​​​​ 项任务将会于 enqueueTimei 时进入任务队列,需要 processingTimei 的时长完成执行。
现有一个单线程 CPU ,同一时间只能执行 最多一项 任务,该 CPU 将会按照下述方式运行:
如果 CPU 空闲,且任务队列中没有需要执行的任务,则 CPU 保持空闲状态。
如果 CPU 空闲,但任务队列中有需要执行的任务,则 CPU 将会选择 执行时间最短 的任务开始执行。如果多个任务具有同样的最短执行时间,则选择下标最小的任务开始执行。
一旦某项任务开始执行,CPU 在 执行完整个任务 前都不会停止。
CPU 可以在完成一项任务后,立即开始执行一项新任务。
返回 CPU 处理任务的顺序。
 
示例 1:
输入:tasks = [[1,2],[2,4],[3,2],[4,1]]
输出:[0,2,3,1]
解释:事件按下述流程运行:
- time = 1 ,任务 0 进入任务队列,可执行任务项 = {0}
- 同样在 time = 1 ,空闲状态的 CPU 开始执行任务 0 ,可执行任务项 = {}
- time = 2 ,任务 1 进入任务队列,可执行任务项 = {1}
- time = 3 ,任务 2 进入任务队列,可执行任务项 = {1, 2}
- 同样在 time = 3 ,CPU 完成任务 0 并开始执行队列中用时最短的任务 2 ,可执行任务项 = {1}
- time = 4 ,任务 3 进入任务队列,可执行任务项 = {1, 3}
- time = 5 ,CPU 完成任务 2 并开始执行队列中用时最短的任务 3 ,可执行任务项 = {1}
- time = 6 ,CPU 完成任务 3 并开始执行任务 1 ,可执行任务项 = {}
- time = 10 ,CPU 完成任务 1 并进入空闲状态
示例 2:
输入:tasks = [[7,10],[7,12],[7,5],[7,4],[7,2]]
输出:[4,3,2,0,1]
解释:事件按下述流程运行:
- time = 7 ,所有任务同时进入任务队列,可执行任务项 = {0,1,2,3,4}
- 同样在 time = 7 ,空闲状态的 CPU 开始执行任务 4 ,可执行任务项 = {0,1,2,3}
- time = 9 ,CPU 完成任务 4 并开始执行任务 3 ,可执行任务项 = {0,1,2}
- time = 13 ,CPU 完成任务 3 并开始执行任务 2 ,可执行任务项 = {0,1}
- time = 18 ,CPU 完成任务 2 并开始执行任务 0 ,可执行任务项 = {1}
- time = 28 ,CPU 完成任务 0 并开始执行任务 1 ,可执行任务项 = {}
- time = 40 ,CPU 完成任务 1 并进入空闲状态
 
提示:
tasks.length == n
1 <= n <= 105
1 <= enqueueTimei, processingTimei <= 109

前置知识

  • 模拟

公司

  • 暂无

思路

我们可以直接模拟即可。
简单模拟题直接模拟就行, 中等模拟题则通常需要结合其他知识点。对于这道题来说, 就需要大家结合 来完成。
模拟就是直接按照题目描述写代码就行。
题目说我们需要安装任务的先后顺序处理任务,并且当没有处理任务时,直接处理即可。如果当前正在处理任务, 则将其放入任务队列。处理完成之后从任务队列拿任务,而拿任务的依据就是任务 的时间长短,具体来说就是优先拿任务时长短的。
 根据上面的描述,我们可以发现应该先对 task 按照开始时间进行排序。由于排序会破坏原有的顺序,而题目的返回是排序前的索引,因此排序后仍然需要维护排序前的索引。
另外任务队列中每次都取时间最短,这提示我们使用堆来存任务队列,并用任务时长做为 key,这是因为堆特别适合处理动态极值问题。
接下来,我们模拟任务被处理的过程。我们用 time 表示当前的时间,time 从 0 开始,用 pos 记录我们处理到的 tasks。(由于我们进行了排序,因此 pos 从 0 开始处理,当处理完所有的 tasks,模拟结束)
  1. 1.
    如果任务队列没有任务,那么直接将 time 快进到下一个任务的开始时间 。
  2. 2.
    将 time 之前开始的任务全部加入到任务队列中。
  3. 3.
    从任务队列中取出一个时间最短的进行处理。
  4. 4.
    重复 1 - 3 直到 n 个任务都被处理完毕。

关键点

代码

  • 语言支持:Python3
Python3 Code:
class Solution:
def getOrder(self, tasks: List[List[int]]) -> List[int]:
tasks = [(task[0], i, task[1]) for i, task in enumerate(tasks)]
tasks.sort()
backlog = []
time = 0
ans = []
pos = 0
for _ in tasks:
if not backlog:
time = max(time, tasks[pos][0])
while pos < len(tasks) and tasks[pos][0] <= time:
heapq.heappush(backlog, (tasks[pos][2], tasks[pos][1]))
pos += 1
d, j = heapq.heappop(backlog)
time += d
ans.append(j)
return ans
复杂度分析
令 n 为数组长度。
  • 时间复杂度:$O(nlogn)$
  • 空间复杂度:$O(n)$
此题解由 力扣刷题插件 自动生成。
力扣的小伙伴可以关注我,这样就会第一时间收到我的动态啦~
以上就是本文的全部内容了。大家对此有何看法,欢迎给我留言,我有时间都会一一查看回答。更多算法套路可以访问我的 LeetCode 题解仓库:https://github.com/azl397985856/leetcode 。 目前已经 40K star 啦。大家也可以关注我的公众号《力扣加加》带你啃下算法这块硬骨头。
关注公众号力扣加加,努力用清晰直白的语言还原解题思路,并且有大量图解,手把手教你识别套路,高效刷题。