贪心算法与时间区间管理在餐厅容量问题中的应用

1. 项目背景与问题定义

UVa 12189 "Dinner Hall" 是ACM国际大学生程序设计竞赛（ICPC）中的一道经典算法题目。这道题考察选手对贪心算法（Greedy Algorithm）和时间区间管理（Interval Management）的理解与应用能力。题目场景设定在一个餐厅的就餐高峰期，需要合理安排顾客进出顺序以保证餐厅容量限制。

典型的问题描述是：餐厅有一个最大容纳人数限制（比如100人）。顾客们在不同时间到达和离开，每个顾客的用餐时间段用（到达时间，离开时间）表示。我们需要计算在任意时刻，餐厅内的顾客人数都不超过最大容量的前提下，最多可以接待多少顾客。

2. 核心算法思路解析

2.1 事件点处理法

这类时间区间问题通常采用"事件点"（Event Point）的处理方法。具体步骤是：

1. 将每个顾客的到达和离开时间转换为事件点
2. 给到达事件标记为+1（表示人数增加），离开事件标记为-1
3. 将所有事件按时间排序（时间相同则离开事件优先处理）

python复制def max_customers(intervals, capacity):
    events = []
    for start, end in intervals:
        events.append((start, 1))    # 到达事件
        events.append((end, -1))     # 离开事件
    
    # 排序规则：时间优先，离开事件优先
    events.sort(key=lambda x: (x[0], x[1]))
    
    current = 0
    max_customers = 0
    
    for time, delta in events:
        current += delta
        if current > capacity:
            return -1  # 无法满足容量限制
        max_customers = max(max_customers, current)
    
    return max_customers

2.2 贪心算法应用

当需要选择哪些顾客可以进入餐厅时（即题目要求最大化接待顾客数），我们需要采用贪心策略：

1. 优先选择离开时间早的顾客
2. 使用优先队列（堆）来管理当前在餐厅的顾客
3. 当新顾客到达时，如果餐厅已满，则比较其离开时间与队列中最晚离开的顾客

python复制import heapq

def max_admitted(intervals, capacity):
    intervals.sort()  # 按到达时间排序
    heap = []
    admitted = 0
    
    for start, end in intervals:
        # 移除已经离开的顾客
        while heap and heap[0] <= start:
            heapq.heappop(heap)
        
        if len(heap) < capacity:
            heapq.heappush(heap, end)
            admitted += 1
        else:
            # 比较当前顾客与最晚离开的顾客
            if end < heap[-1]:
                heapq.heappop(heap)
                heapq.heappush(heap, end)
    
    return admitted

3. 关键实现细节与优化

3.1 时间处理技巧

在实际编码中，时间点的表示和处理有几个需要注意的细节：

1. 时间标准化：将所有时间转换为分钟数（如18:30转为1110）便于比较
2. 边界情况：同一时间点的到达和离开事件，必须确保离开事件先处理
3. 时间重叠：特别注意完全重叠的时间区间处理

重要提示：在排序比较函数中，必须确保当时间相同时，离开事件（-1）排在到达事件（+1）前面，否则会导致人数统计错误。

3.2 数据结构选择

根据问题变种的不同，可能需要选择不同的数据结构：

1. 基本计数问题：使用简单数组存储事件点
2. 最大化接待顾客：使用最小堆（优先队列）
3. 动态容量变化：可能需要使用线段树或二叉索引树

对于UVa 12189这类题目，通常优先队列是最佳选择，因为它的时间复杂度为O(n log n)，空间复杂度为O(n)，完全在竞赛要求的范围内。

4. 常见错误与调试技巧

4.1 典型错误案例

1. 错误排序：没有正确处理同时发生的到达和离开事件

   • 错误表现：人数统计突然异常增加或减少
   • 修正方法：确保比较函数中，时间相同时离开事件优先

2. 容量检查遗漏：没有在每次人数变化时检查容量限制

   • 错误表现：最终结果正确但中间过程可能超限
   • 修正方法：在current += delta后立即检查if current > capacity

3. 整数溢出：使用32位整数处理大时间范围

   • 错误表现：计算结果出现异常负值
   • 修正方法：统一使用64位整数（long long in C++）

4.2 测试用例设计

设计测试用例时应考虑以下边界情况：

1. 所有顾客同时到达和离开
2. 餐厅容量为1的特殊情况
3. 时间区间完全包含的情况
4. 大规模数据测试（如1e5个顾客）

示例测试用例：

code复制输入：
3 2
1 5
2 4
3 6

输出：
2

解释：餐厅容量为2，最优方案是接受第2和第3个顾客，他们在时间3-4期间同时在餐厅。

5. 算法扩展与变种

5.1 问题变种

1. 最小会议室问题：求需要多少个容量为1的"餐厅"才能容纳所有顾客

   • 解法：统计最大重叠区间数

2. 加权区间调度：每个顾客有不同权重，求最大权重和

   • 解法：动态规划+二分查找

3. 动态容量：餐厅容量随时间变化

   • 解法：需要结合线段树等高级数据结构

5.2 实际应用场景

这类算法在实际中有广泛应用：

1. 酒店房间分配
2. 课程教室安排
3. 服务器资源调度
4. 医院床位管理

在工业界面试中，这类问题也经常出现（如LeetCode上的"Meeting Rooms"系列题目）。掌握好基础的事件点处理方法，可以应对大多数时间区间管理问题。