add 621. Task Scheduler 🍺

README.md

@@ -322,6 +322,7 @@ My LeetCode solutions with Chinese explanation. 我的LeetCode中文题解。
 | 581 |[Shortest Unsorted Continuous Subarray](https://leetcode.com/problems/shortest-unsorted-continuous-subarray)|[C++](https://github.com/ShusenTang/LeetCode/blob/master/solutions/581.%20Shortest%20Unsorted%20Continuous%20Subarray.md)|Easy|  |
 | 605 |[Can Place Flowers](https://leetcode.com/problems/can-place-flowers)|[C++](https://github.com/ShusenTang/LeetCode/blob/master/solutions/605.%20Can%20Place%20Flowers.md)|Easy|  |
 | 617 |[Merge Two Binary Trees](https://leetcode.com/problems/merge-two-binary-trees/)|[C++](solutions/617.%20Merge%20Two%20Binary%20Trees.md)|Easy|  |
+| 621 |[Task Scheduler](https://leetcode.com/problems/task-scheduler/)|[C++](solutions/621.%20Task%20Scheduler.md)|Medium|  |
 | 628 |[Maximum Product of Three Numbers](https://leetcode.com/problems/maximum-product-of-three-numbers)|[C++](https://github.com/ShusenTang/LeetCode/blob/master/solutions/628.%20Maximum%20Product%20of%20Three%20Numbers.md)|Easy|  |
 | 643 |[Maximum Average Subarray I](https://leetcode.com/problems/maximum-average-subarray-i)|[C++](https://github.com/ShusenTang/LeetCode/blob/master/solutions/643.%20Maximum%20Average%20Subarray%20I.md)|Easy|  |
 | 661 |[Image Smoother](https://leetcode.com/problems/image-smoother)|[C++](https://github.com/ShusenTang/LeetCode/blob/master/solutions/661.%20Image%20Smoother.md)|Easy|  |

solutions/621. Task Scheduler.md

@@ -0,0 +1,84 @@
+# [621. Task Scheduler](https://leetcode.com/problems/task-scheduler/)
+
+# 思路
+
+## 思路一、暴力模拟
+
+首先应该明确我们始终**应该优先处理出现次数最多的任务**。为此我们可以模拟这个过程，先统计每个字母的次数，然后将这些次数送入到一个优先队列（最大堆）里，然后每一轮都从优先队列里面取`n+1`个元素出来将其次数减一，不断重复这个过程直到队列空。
+
+设任务总数为N，不同的任务数为M（M<=26），那么时间复杂度为O(NlogM)，空间复杂度为O(M)。亲测此方法500ms左右，效率较低。
+
+## 思路二
+
+还是按照优先处理出现次数最多的任务这个原则。我们假设 A 为出现次数最多的任务，假设其出现了 p 次，考虑到冷却时间，那么执行完所有任务的时间至少为 `(p - 1) * (n + 1) + 1`，如下左图所示，其中浅色代表空闲时间。
+
+<div align=center>
+<img width="500" src="img/621.png"/>
+</div>
+
+然后我们应当考虑把剩余的任务安排到这些空闲时间里，先将这些任务的出现次序，从大到小进行安排，会有下面两种情况：
+* 某个任务和 A 出现的次数相同，例如图 2 中的任务 B。此时我们只能让 B 占据 p - 1 个空闲时间，而在非空闲时间里额外安排一个时间给 B 执行；
+* 某个任务比 A 出现的次数少，例如图 2 中的任务 C 和 D。此时我们可以按照列优先的顺序，将其填入空闲时间中。
+
+如果在安排某一个任务时，遇到了剩余的空闲时间不够的情况，那么答案一定就等于任务的总数。这是因为我们可以将空闲时间增加虚拟的一列，继续安排任务。
+
+所以我们只需要求出出现次数最大（设为`mx`）的任务A，以及出现次数和A同样多的任务（即B这种）数`mx_cnt`，这样最终结果就为`max(N, (n + 1) * (mx - 1) + mx_cnt)`，其中N为任务总数。
+
+空间复杂度O(1)，时间复杂度O(N)
+
+[参考来源](https://leetcode-cn.com/problems/task-scheduler/solution/ren-wu-diao-du-qi-by-leetcode/)
+
+
+
+
+
+# C++
+## 思路一
+``` C++
+class Solution {
+public:
+    int leastInterval(vector<char>& tasks, int n) {
+        if(n == 0) return tasks.size();
+        vector<int>cnt(26, 0);
+        for(char t: tasks) cnt[t - 'A']++;
+         
+        priority_queue<int>maxheap;
+        for(int i: cnt) if(i > 0) maxheap.push(i);
+        
+        int res = 0;
+        while(!maxheap.empty()){
+            vector<int>tmp; // 存放从maxheap取出的元素
+            for(int i = 0; i <= n; i++){
+                if(maxheap.empty()) {
+                    if(!tmp.empty()) res += n + 1 - i; // idle
+                    break;
+                }
+                res += 1;
+                auto num = maxheap.top(); maxheap.pop();
+                if(--num > 0) tmp.push_back(num);
+            }
+            
+            for(auto a: tmp) maxheap.push(a); // 放回队列中
+        }
+        
+        return res;
+    }
+};
+```
+
+## 思路二
+``` C++
+class Solution {
+public:
+    int leastInterval(vector<char>& tasks, int n) {
+        vector<int>cnt(26, 0);
+        for(char t: tasks) cnt[t - 'A']++;
+        
+        int mx = cnt[0], mx_cnt = 0;
+        for(int i: cnt) mx = max(mx, i);
+        for(int i: cnt) if(i == mx) mx_cnt++;
+        
+        return max((int)tasks.size(), (n + 1) * (mx - 1) + mx_cnt);
+    }
+};
+```