2025 B卷 200分 题型
本专栏内全部题目均提供Java、python、JavaScript、C、C++、GO六种语言的最佳实现方式；
并且每种语言均涵盖详细的问题分析、解题思路、代码实现、代码详解、3个测试用例以及综合分析；
本文收录于专栏：《2025华为OD真题目录+全流程解析+备考攻略+经验分享》
华为OD机试真题《模拟工作队列》：
文章快捷目录
题目描述及说明
Java
python
JavaScript
C
GO
题目名称：模拟工作队列
- 知识点：优先队列（堆）、事件模拟、逻辑处理
- 时间限制：1秒
- 空间限制：256MB
- 限定语言：不限
题目描述
模拟一个工作队列的运作，包含一个任务提交者和若干任务执行者（编号从1开始）。提交者在给定时刻向队列提交任务（含执行时间），执行者取出任务的时刻加上执行时间即为完成时刻。任务完成后，执行者从队列中取最老的任务执行；若多个执行者空闲，编号小的优先。
队列规则：
- 队列有最大长度限制，满时新任务加入会丢弃最老任务。
- 若队列满且新任务提交时刻与执行者空闲时刻相同，则先取出最老任务执行，再加入新任务。
输入：
- 第一行：
2N个正整数，表示N个任务的提交时刻和执行时间（按提交时刻升序排列）。 - 第二行：两个整数，分别为队列最大长度和执行者数量。
输出：
- 最后一个任务完成时刻和被丢弃的任务数量，用空格分隔。
示例1：
输入：
1 3 2 2 3 3
3 2
输出：
7 0
说明：队列未满，无任务丢弃。
示例2：
输入：
1 6 2 4 4 3 6 3
1 2
输出：
10 0
说明：队列满但执行顺序避免丢弃。
Java
问题分析
我们需要模拟一个工作队列，处理任务的提交和执行者的调度。队列有最大长度限制，当队列满时新任务会丢弃最老的任务。执行者在空闲时会立即从队列中取出任务执行。输出最后完成时间和被丢弃的任务数。
解题思路
- 优先队列管理执行者：使用优先队列（最小堆）按执行者的完成时间和编号排序，以快速获取空闲的执行者。
- 任务队列管理：使用FIFO队列保存待处理的任务。
- 事件处理顺序：
- 处理每个任务提交时，先处理所有执行者的完成时间小于等于当前时间的事件。
- 提交任务，处理队列满时的丢弃逻辑。
- 再次处理执行者的完成时间小于等于当前时间的事件。
- 处理剩余任务：在所有任务提交后，处理队列中剩余的任务。
代码实现
import java.util.*;public class Main {static class Worker implements Comparable<Worker> {int time; // 执行者的空闲时间int id;public Worker(int time, int id) {this.time = time;this.id = id;}@Overridepublic int compareTo(Worker other) {if (this.time != other.time) {return Integer.compare(this.time, other.time);} else {return Integer.compare(this.id, other.id);}}}public static void main(String[] args) {Scanner scanner = new Scanner(System.in);String[] taskInput = scanner.nextLine().split(" ");int n = taskInput.length / 2;int[] submitTimes = new int[n];int[] durations = new int[n];for (int i = 0; i < n; i++) {submitTimes[i] = Integer.parseInt(taskInput[2 * i]);durations[i] = Integer.parseInt(taskInput[2 * i + 1]);}int maxQueueSize = scanner.nextInt();int workerCount = scanner.nextInt();PriorityQueue<Worker> workerQueue = new PriorityQueue<>();for (int i = 1; i <= workerCount; i++) {workerQueue.add(new Worker(0, i));}Queue<Integer> taskQueue = new LinkedList<>();int discardCount = 0;int[] lastFinishTime = {0};for (int i = 0; i < n; i++) {int t = submitTimes[i];int d = durations[i];processWorkers(workerQueue, taskQueue, t, lastFinishTime);if (taskQueue.size() >= maxQueueSize) {taskQueue.poll();discardCount++;}taskQueue.add(d);processWorkers(workerQueue, taskQueue, t, lastFinishTime);}processRemainingTasks(workerQueue, taskQueue, lastFinishTime);System.out.println(lastFinishTime[0] + " " + discardCount);}private static void processWorkers(PriorityQueue<Worker> workerQueue, Queue<Integer> taskQueue, int currentTime, int[] lastFinishTime) {while (!workerQueue.isEmpty()) {Worker worker = workerQueue.peek();if (worker.time > currentTime) {break;}worker = workerQueue.poll();if (taskQueue.isEmpty()) {workerQueue.add(worker);break;}int duration = taskQueue.poll();worker.time += duration;if (worker.time > lastFinishTime[0]) {lastFinishTime[0] = worker.time;}workerQueue.add(worker);}}private static void processRemainingTasks(PriorityQueue<Worker> workerQueue, Queue<Integer> taskQueue, int[] lastFinishTime) {while (!taskQueue.isEmpty()) {Worker worker = workerQueue.poll();if (worker == null) break;int duration = taskQueue.poll();worker.time += duration;if (worker.time > lastFinishTime[0]) {lastFinishTime[0] = worker.time;}workerQueue.add(worker);}}
}
代码详解
- Worker类：表示执行者，包含空闲时间和编号，按完成时间和编号排序。
- 输入处理：读取任务列表、队列长度和执行者数量。
- 初始化执行者队列：所有执行者初始空闲时间为0。
- 处理每个任务提交：
- processWorkers处理所有执行者完成时间小于等于当前时间的事件，取出任务执行。
- 检查队列是否满，丢弃旧任务并计数。
- 将新任务加入队列，再次处理执行者事件。
- 处理剩余任务：在所有任务提交后，确保队列中的任务被处理完。
- 输出结果：最后完成时间和丢弃任务数。
示例测试
示例1：
输入：
1 3 2 2 3 3
3 2
输出：
7 0
解析：所有任务被及时处理，无丢弃，最后完成时间为7。
示例2：
输入：
1 6 2 4 4 3 6 3
1 2
输出：
10 0
解析：队列满时丢弃被避免，最后完成时间为10，无丢弃。
示例3：
输入：
2,2
1 1
输出：
4 0
解析：任务在队列中等待，执行者处理完所有任务，最后完成时间4。
综合分析
- 时间复杂度：每个任务处理两次优先队列操作，O(N log K)，其中K为执行者数量。
- 空间复杂度：O(K + M)，K为执行者数量，M为队列最大长度。
- 最优性：优先队列确保每次选择最早空闲的执行者，FIFO队列保证任务顺序，处理逻辑高效。
- 适用性：适用于任务按时间顺序提交的场景，正确处理队列满和任务丢弃逻辑。
python
问题分析
我们需要模拟一个工作队列，处理任务的提交和执行者的调度。队列有最大长度限制，当队列满时新任务会丢弃最老的任务。执行者在空闲时会立即从队列中取出任务执行。输出最后完成时间和被丢弃的任务数。
解题思路
- 事件驱动模拟：按时间顺序处理任务提交和执行者空闲事件。
- 优先队列：管理执行者的空闲事件，确保空闲时间早的执行者优先处理任务。
- 队列管理：使用FIFO队列保存任务，处理队列满时的丢弃逻辑。
- 完成时间计算：跟踪每个任务的完成时间，更新最大完成时间。
代码实现
import heapq
from collections import dequedef main():# 读取输入task_input = list(map(int, input().split()))queue_size, worker_count = map(int, input().split())# 解析任务列表，按提交时间排序tasks = []for i in range(0, len(task_input), 2):submit_time = task_input[i]duration = task_input[i+1]tasks.append((submit_time, duration))tasks<
