华为OD- 工作安排-2024年OD（E卷）

题目描述

小明每周上班都会拿到自己的工作清单，工作清单内包含 n 项工作，每项工作都有对应的耗时时间（单位 h）和报酬，工作的总报酬为所有已完成工作的报酬之和，那么请你帮小明安排一下工作，保证小明在指定的工作时间内工作收入最大化。

输入描述

输入的第一行为两个正整数 T，n。 T 代表工作时长（单位 h， 0 < T < 1000000）， n 代表工作数量（ 1 < n ≤ 3000）。 接下来是 n 行，每行包含两个整数 t，w。 t 代表该工作消耗的时长（单位 h， t > 0），w 代表该项工作的报酬。

输出描述

输出小明指定工作时长内工作可获得的最大报酬。

用例

解题思路

问题描述

我们有一段总时长为 total_time 的时间，以及若干任务，每个任务都有以下属性：

• duration：完成任务所需的时间。
• wage：完成任务获得的报酬。

目标是从这些任务中选择若干个，使得：

• 总时间不超过 total_time。
• 收益（任务报酬的总和）最大化。

这是一个典型的 0-1 背包问题，将任务的时间视为物品的体积，任务的报酬视为物品的价值，总时间视为背包容量。

python源码：

class JobScheduler:
    def __init__(self, total_time, tasks):
        self.total_time = total_time  # 总时间
        self.tasks = tasks  # 任务列表，每个任务为 (时长, 报酬)

    def calculate_max_earnings(self):
        # 初始化 dp 数组
        dp = [0] * (self.total_time + 1)
        
        # 遍历每个任务
        for duration, wage in self.tasks:
            # 逆序更新 dp 数组，避免任务重复选择
            for time in range(self.total_time, duration - 1, -1):
                # 更新 dp[time]，取不选择和选择当前任务的收益最大值
                dp[time] = max(dp[time], dp[time - duration] + wage)
        
        # 返回最大时间下的收益
        return dp[self.total_time]


if __name__ == "__main__":
    # 读取总时间和任务数量
    t, n = map(int, input().split())
    
    # 读取任务数据
    tasks = [tuple(map(int, input().split())) for _ in range(n)]
    
    # 创建任务调度器并计算结果
    scheduler = JobScheduler(t, tasks)
    print(scheduler.calculate_max_earnings())

java源码：

import java.util.Scanner;

class Main {
    private int totalTime; // 总时间限制
    private int[][] tasks; // 任务数组，每个任务包含两个值：[时长, 报酬]

    // 构造函数，初始化总时间和任务数组
    public Main(int totalTime, int[][] tasks) {
        this.totalTime = totalTime;
        this.tasks = tasks;
    }

    // 动态规划计算最大收益
    public int calculateMaxEarnings() {
        int[] dp = new int[totalTime + 1]; // dp数组，dp[time]表示总时间为time时的最大收益

        // 遍历每个任务
        for (int[] task : tasks) {
            int duration = task[0]; // 任务时长
            int wage = task[1];     // 任务报酬

            // 从后向前遍历时间，避免任务重复选择
            for (int time = totalTime; time >= duration; time--) {
                // 选择或不选择当前任务，取最大收益
                dp[time] = Math.max(dp[time], dp[time - duration] + wage);
            }
        }

        // 返回最大时间下的最大收益
        return dp[totalTime];
    }

    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);

        // 读取总时间和任务数量
        int totalTime = sc.nextInt();
        int numTasks = sc.nextInt();
        int[][] tasks = new int[numTasks][2]; // 任务数组

        // 读取每个任务的时长和报酬
        for (int i = 0; i < numTasks; i++) {
            tasks[i][0] = sc.nextInt(); // 时长
            tasks[i][1] = sc.nextInt(); // 报酬
        }

        // 创建任务调度器并计算结果
        Main scheduler = new Main(totalTime, tasks);
        System.out.println(scheduler.calculateMaxEarnings());
    }
}

js源码：

待更新......