魔法任务调度算法：贪心策略与优先队列应用

1. 魔法任务调度问题解析

今天我们来探讨一个有趣的算法问题——魔法任务调度。这个问题来自信息学奥林匹克竞赛（OI）题库，编号P3619。题目描述了一个需要巧妙安排任务顺序的场景：你需要在有限的时间内完成一系列魔法任务，每个任务都有特定的时间限制和完成后的时间奖励（或惩罚）。

1.1 问题核心理解

问题的核心在于：给定初始时间T和n个任务，每个任务i有两个参数：

• t_i：只有当当前时间T > t_i时才能执行该任务
• b_i：完成任务后时间T会增加b_i（b_i可为正负）

关键约束条件：

1. 任何时候T必须保持大于0
2. 需要判断是否能完成所有n个任务

1.2 问题难点分析

这个问题的难点在于：

1. 任务执行顺序会影响最终结果
2. b_i可能为正也可能为负，需要不同处理策略
3. 需要在O(nlogn)时间复杂度内解决（因为n可达10^5）

2. 算法设计思路

2.1 任务分类策略

观察发现，b_i的正负对任务处理策略有决定性影响：

1. 正收益任务（b_i ≥ 0）：

   • 执行这类任务总是有利的（时间不会减少）
   • 应该优先执行t_i较小的任务（贪心策略）

2. 负收益任务（b_i < 0）：

   • 执行这类任务会减少时间
   • 需要谨慎选择执行顺序
   • 应该优先执行"性价比"较高的任务（即b_i + t_i较大的任务）

2.2 数据结构选择

为了实现上述策略，我们使用两个优先队列：

1. 正收益队列：

   • 存储所有b_i ≥ 0的任务
   • 按t_i升序排列（使用最小堆）
   • 实现技巧：存储(-t_i, b_i)，利用最大堆模拟最小堆

2. 负收益队列：

   • 存储所有b_i < 0的任务
   • 按(b_i + t_i)降序排列（最大堆）
   • 这样能保证优先执行"最不危险"的负收益任务

2.3 算法流程

1. 将所有任务按b_i正负分类到两个队列
2. 先处理所有正收益任务（按t_i升序）
3. 再处理负收益任务（按b_i + t_i降序）
4. 处理过程中检查：
   • 当前T是否满足T > t_i
   • 执行后T是否保持>0
5. 如果所有任务都能完成，输出"+1s"