程序查找在Python中完成K个任务的最长时间
假设我们有一个任务矩阵，其中每行有3个值。我们还有另一个值k。我们必须从任务中选择k行，将其称为S，以使以下总和最小化，并将总和返回为：（S[0，0]，S[1，0]，...S[k-1，0]）+（S[0，1]，S[1，1]，...S[k-1，1]）的最大值+（S[0，2]，S[1，2]，...S[k-1，2]）我们也可以这样说：3列中的每列都对成本有所贡献，并且是通过以S中该列的最大值来计算的。列表是0。
因此，如果输入类似于task=[[2，3，3]，[4，5，2]，[4，2，3]]，k=2，则输出将为10，就像我们选择第一行和最后一行。总和为S=[[[2,3,3]，[4,2,3]]max（S[0,0]，S[1,0]）=4+max（S[0,1]，S[1,1]）=3+max（S[0,2]，S[1,2]）=3=10
为了解决这个问题，我们将遵循以下步骤-
定义一个功能util()。这需要B
排序列表B
yheap：=对于范围为0至K-1的每个i，带有-B[i，1]的列表
堆码
ans：=B[K-1，0]+（-yheap[0]）
对于范围在K到B的i，
x：=B[i，0]
用-B[i，1]替换yheap
设置的大小与K相同
y：=-yheap[0]
ans：=ans和x+y的最小值
返回ans
从主要方法中执行以下操作-
如果A为空或K为0，则
返回0
排序列表A
B：=为范围为0至K-1的每个i组成对[A[i，1]，A[i，2]]的列表
ans：=A[K-1，0]+B中每个(y,z)的y的最大值+B中每个(y,z)的z的最大值
对于范围在K到A的i
将[A[i][1]，A[i][2]]插入B
ans=ans和A[i，0]+util(B)的最小值
返回ans
让我们看下面的实现以更好地理解-
示例
import heapq
class Solution:
def solve(self, A, K):
if not A or not K:
return 0
def util(B):
B.sort()
yheap = [-B[i][1] for i in range(K)]
heapq.heapify(yheap)
ans = B[K - 1][0] + (-yheap[0])
for i in range(K, len(B)):
x = B[i][0] heapq.heappushpop(yheap, -B[i][1])
assert len(yheap) == K
y = -yheap[0]
ans = min(ans, x + y)
return ans
A.sort()
B = [[A[i][1], A[i][2]] for i in range(K)]
ans = A[K - 1][0] + max(y for y, z in B) + max(z for y, z in B)
for i in range(K, len(A)):
B.append([A[i][1], A[i][2]])
ans = min(ans, A[i][0] + util(B))
return ans
ob = Solution()tasks = [ [2, 3, 3], [4, 5, 2], [4, 2, 3] ]
k = 2
print(ob.solve(tasks, k))输入值
tasks = [ [2, 3, 3], [4, 5, 2], [4, 2, 3] ], k = 2
输出结果
10