我们在计算机中有n个进程，x表示的新进程正在队列中等待。 我们也给了所有n个进程的记忆。 现在的任务是找到被新进程替换的最小进程数。 假设n = 5 （新进程的内存大小）x = 9 和内存占用了所有5个进程= 2 1 3 4 5。 现在，如果我们删除4和5，则最小计数为2（4 + 5 = 9）。 我在o（n ^ 2）尝试了这个，但我想要优化解决方案。 请建议。
答案 0 :(得分：0)
好吧，如果我们被允许操作最初提供给我们的进程列表，您可以简单地按降序排序进程列表。然后，问题归结为只是迭代列表并总结您遇到的每个进程的内存分配。当你超过x（即新进程所需的分配）时，你只需返回当前索引+ 1，这是你到目前为止遇到（和杀死）的进程数。
下面是一个实现它的Python代码示例。
def solve(processes, x):
processes.sort(reverse=True)
sum_of_freed_memory = 0
for i in range(len(processes)):
sum_of_freed_memory += processes[i]
if sum_of_freed_memory >= x:
return (i+1)
return -1 # to not crash if/when total memory is smaller than x
您可以在工作中here观察此代码，从而产生您想要的输出。
请注意，即使我们无法操作作为输入提供的原始列表，如果允许我们在解决方案中使用O（n）空间，我们也可以复制初始列表并在该副本上使用相同的算法。在代码方面，用下面给出的行替换函数solve（）的第一行就可以了。
processes = sorted(processes, reverse=True)
此代码采用的方法是贪婪的。在每一步中，它都有以下方式的原因：如果我必须再杀死一个进程，然后在仍在运行的进程中，让那个使用最大内存的进程终止，因此，分配足够内存的可能性是最高的。换句话说，如果有一种方法可以通过再杀死一个进程来分配足够的空间，那么使用最大内存来杀死一个进程就可以了，而杀死其他一些进程可能是不够的。虽然这不是一个正式的证明，但我相信这个推理解释了为什么算法有效。
排序的复杂性为 O（NlogN），遍历为 O（N）。因此，算法的总体复杂性将是 O（NlogN）。