当前位置: 首页 > article >正文

【数据结构-堆】力扣1792. 最大平均通过率

一所学校里有一些班级,每个班级里有一些学生,现在每个班都会进行一场期末考试。给你一个二维数组 classes ,其中 classes[i] = [passi, totali] ,表示你提前知道了第 i 个班级总共有 totali 个学生,其中只有 passi 个学生可以通过考试。

给你一个整数 extraStudents ,表示额外有 extraStudents 个聪明的学生,他们 一定 能通过任何班级的期末考。你需要给这 extraStudents 个学生每人都安排一个班级,使得 所有 班级的 平均 通过率 最大 。

一个班级的 通过率 等于这个班级通过考试的学生人数除以这个班级的总人数。平均通过率 是所有班级的通过率之和除以班级数目。

请你返回在安排这 extraStudents 个学生去对应班级后的 最大 平均通过率。与标准答案误差范围在 10-5 以内的结果都会视为正确结果。

示例 1:
输入:classes = [[1,2],[3,5],[2,2]], extraStudents = 2
输出:0.78333
解释:你可以将额外的两个学生都安排到第一个班级,平均通过率为 (3/4 + 3/5 + 2/2) / 3 = 0.78333 。

示例 2:
输入:classes = [[2,4],[3,9],[4,5],[2,10]], extraStudents = 4
输出:0.53485

在这里插入图片描述

方法一(超时)

class Solution {
public:
    double maxAverageRatio(vector<vector<int>>& classes, int extraStudents) {
        priority_queue<pair<double, int>> q;
        int n = classes.size();
        for(int i = 0; i < extraStudents; i++){
            for(int j = 0; j < n; j++){
                auto cla = classes[j];
                double a = (double)cla[0] / cla[1];
                double b = (double)(cla[0] + 1) / (cla[1] + 1);
                double k = b - a;
                q.emplace(k, j);
            }
            auto m = q.top();
            classes[m.second][0]++;
            classes[m.second][1]++;
            q = priority_queue<pair<double, int>>();
        }

        double ans = 0;
        for(auto c : classes){
            double a = (double)c[0] / c[1];
            ans += a;
        }
        return ans / n;
    }
};

这是我一开始的方法,我们不断寻找最合适的班级来插入聪明的学生,然后我每一轮插入前就先比较classes的增长如何,然后找到会有最大的增长的班级插入聪明的学生。但是这就出现了一个问题,我们计算插入聪明学生的增长,只需要对修改过的classes计算就行,而在该方法中我对每一个classes都进行了运算,其中这部分有大多数计算会是多余的。

方法二

class Solution {
public:
    double maxAverageRatio(vector<vector<int>>& classes, int extraStudents) {
        priority_queue<pair<double, int>> q;
        int n = classes.size();
        pair<int, int> m;
        auto gain = [](int pass, int total) -> double {
            return (double)(pass + 1) / (total + 1) - (double)pass / total;
        };

        for(int j = 0; j < n; j++){
            auto cla = classes[j];
            q.emplace(gain(cla[0], cla[1]), j);
        }

        for(int i = 0; i < extraStudents; i++){
            auto m = q.top();
            classes[m.second][0]++;
            classes[m.second][1]++;
            q.pop();

            q.emplace(gain(classes[m.second][0], classes[m.second][1]), classes[m.second][1]);
        }

        double ans = 0;
        for(auto c : classes){
            double a = (double)c[0] / c[1];
            ans += a;
        }
        return ans / n;
    }
};

我们在计算增长率的时候只计算修改过的数据,而不会计算所有的数据。


http://www.kler.cn/a/502790.html

相关文章:

  • Mysql--架构篇--体系结构(连接层,SQL层,存储引擎层,文件存储层)
  • 泛目录和泛站有什么差别
  • git flow流程拆解实践指导
  • 每日学习30分轻松掌握CursorAI:多文件编辑与Composer功能
  • Java高频面试之SE-11
  • 时序数据库的订阅对比:TDengine vs InfluxDB 谁更强?
  • go中协程的生命周期
  • OpenCV实现Kuwahara滤波
  • Redis优化建议详解
  • UE5 使用内置组件进行网格切割
  • 【 PID 算法 】PID 算法基础
  • 云计算的环保性分析:真相与误区
  • 嵌入式岗位面试八股文(篇四 网络编程)
  • 20道Vue.js常见面试题
  • mysql set age=‘0‘ 和 set age=0的区别?
  • 【21天学习AI底层概念】day11 (kaggle新手入门教程)Your First Machine Learning Model
  • qt设置qwidget背景色无效
  • arcgis中用python脚本批量给多个要素类的相同字段赋值
  • HTTP 入门:认识网络通信基础
  • 【WPS】【WORDWORD】【JavaScript】实现微软WORD自动更正的效果
  • Blazor开发复杂信息管理系统的优势
  • 【Linux】编辑器之神vim使用教程
  • 电力场景红外测温图像均压环下的避雷器识别分割数据集labelme格式2436张1类别
  • 8Hive SQL底层执行原理
  • 如何提高自动化测试覆盖率和效率
  • .NET framework、Core和Standard都是什么?