[贪心入门]任务执行顺序
有N个任务需要执行，第i个任务计算时占R[i]个空间，而后会释放一部分，最后储存计算结果需要占据O[i]个空间（O[i] < R[i]）。
分析： 本题可以抽象成，从一个整数开始，每次减去a，再加上b (a,b都是正数)，要求每次操作都不产生负数。
针对本题a[i] = R[i], b[i] = R[i] – O[i]，注意O[i] < R[i],我们有0<b[i]<a[i]。 所以尽管每次有减有加，但是加的没有减的多，总数还是在不断减小的。关键我们是要“最有利”的一种执行顺序。大家可以尝试多种贪心策略。
我们给出标准答案——按照b[i]不增的顺序排序，是最“有利”的。
为了定义“有利”，我们这样证明我们的结论：
如果对于b[0]>=b[1] >=…>=b[x] < b[x + 1]
(a[0],b[0])….(a[x], b[x]) (a[x + 1], b[x + 1])的组合可以不产生负数，则我们交换b[x]和b[x + 1]也可以不产生负数。
证明：
交换(a[x], b[x])和(a[x + 1], b[x + 1])对x + 1更有利了，因为每个括号实际上是一个负数，所以越早安排这个括号，被减数就越大，就越不容易形成负数。
关键看(a[x],b[x])移动到后面会不会产生负数。
那其实是看之前的结果 -a[x + 1] + b[x + 1] – a[x]会不会产生负数，（注意-a[x + 1] + b[x + 1]不会产生负数，因为我们刚才已经证明了，对x + 1更有利）
而我们知道之前的结果-a[x] + b[x] – a[x + 1]不会产生负数（因为我们的假设就是这样），而b[x + 1] > b[x]，所以前者更大，所以-a[x + 1] + b[x + 1] – a[x]不会产生负数。
因此我们证明了交换之后仍然不产生负数，也就是原先不产生负数，我们交换后仍然不产生负数。
而经过若干次这样的交换之后，我们肯定会把序列交换成按照b的不增顺序排序的。从而我们证明了，任何可行的方案都不好于按照b不增顺序排序的序列执行的方案，从而证明了我们的贪心策略是有效的。
很奇怪的策略——我们只考虑了b，居然能得到最优策略。可见贪心算法还是需要感觉，大胆假设，小心求证。
第1行：1个数N，表示任务的数量。（2 <= N <= 100000) 第2 - N + 1行：每行2个数R[i]和O[i]，分别为执行所需的空间和存储所需的空间。(1 <= O[i] < R[i] <= 10000)
输出执行所有任务所需要的最少空间。
20 14 1 2 1 11 3 20 4 7 5 6 5 20 7 19 8 9 4 20 10 18 11 12 6 13 12 14 9 15 2 16 15 17 15 19 13 20 2 20 1
输出示例
135
1 n=int(input()) 2 a=[] 3 for i in range(n): 4 t=list(map(int,input().split())) 5 t[1]=t[0]-t[1] 6 a.append(t) 7 ans,s=0,0 8 a.sort(key=lambda i:i[1],reverse=True) 9 for i in a: 10 s+=i[0] 11 ans=max(ans,s) 12 s=s-i[1] 13 print(ans)
