有 N 名工人。 第 i 名工人的工作质量为 quality[i] ，其最低期望工资为 wage[i] 。
现在我们想雇佣 K 名工人组成一个工资组。在雇佣 一组 K 名工人时，我们必须按照下述规则向他们支付工资：
对工资组中的每名工人，应当按其工作质量与同组其他工人的工作质量的比例来支付工资。
工资组中的每名工人至少应当得到他们的最低期望工资。
返回组成一个满足上述条件的工资组至少需要多少钱。
示例 1：
输入： quality = [10,20,5], wage = [70,50,30], K = 2
输出： 105.00000
解释： 我们向 0 号工人支付 70，向 2 号工人支付 35。
示例 2：
输入： quality = [3,1,10,10,1], wage = [4,8,2,2,7], K = 3
输出： 30.66667
解释： 我们向 0 号工人支付 4，向 2 号和 3 号分别支付 13.33333。
提示：
1 <= K <= N <= 10000，其中 N = quality.length = wage.length
1 <= quality[i] <= 10000
1 <= wage[i] <= 10000
与正确答案误差在 10^-5 之内的答案将被视为正确的。
思路：对于本题，很明显的贪心思想是在这k名工人中，会有一人恰好拿到了他的最低期望工资，因此我们需要枚举是哪一位工人，并检查在满足当前的‘工资/质量’比的前提下，是否存在至少k-1名工人满足条件，若存在，我们需要找到其中的k-1个工人使得最终所要支付的工资和最小。
基于上述贪心思想，我们很容易想到一个O(n^2logn)的做法，基于n有10000这么大的条件，这种方法是不可取的，我们需要另辟蹊径，我们可以定义一个价值，表示工人最低期望工资与工作质量之比。可以发现，若一名工人的价值为R，当他拿的是最低工资时，所有价值高于R的工人都不会拿到最低期望工资，而所有价值低于R的工人都拿得比最低期望工资多（这里很简单，在纸上写一写就知道了，其实就是等式的移项，相信读者是可以懂的）。因此，我们按照这些工人的价值进行升序排序，并在遍历的过程中保留k-1个最优选择，之后更新答案即可。
class Solution {
class node implements Comparable<node>{
int qual,wage;
public node(int qual,int wage) {
this.qual=qual;
this.wage=wage;
}
public double ratio() {
return (double)wage/qual;
}
@Override
public int compareTo(node o) {
// TODO 自动生成的方法存根
return Double.compare(ratio(), o.ratio());
}
}
public double mincostToHireWorkers(int[] quality, int[] wage, int K) {
int sum=0;
int n=wage.length;
node[] workers=new node[n];
double ans=Double.MAX_VALUE;
PriorityQueue<Integer> q=new PriorityQueue<>();
for(int i=0;i<n;i++)
workers[i]=new node(quality[i],wage[i]);
Arrays.parallelSort(workers);
for(node worker : workers) {
q.add(-worker.qual);
sum+=worker.qual;
if(q.size()>K)
sum+=q.poll();
if(q.size()==K)
ans=Math.min(ans, sum*worker.ratio());
}
return ans;
}
}