公司裁员不给赔偿，不同意，直接和公司硬刚，死耗9个月，35000月薪照拿。。
老鬼约 4 分钟不得不说，网友的朋友真是“刚”得漂亮！
事情是这样的，有网友发帖说，他朋友所在的公司裁员，但不给赔偿。朋友一听，直接不答应，硬刚到底，死耗了9个月，关键是这9个月里，朋友35000的月薪照拿，丝毫没少！
网友们看了纷纷表示，这位朋友是“职场硬核玩家”！
有人直呼：“这才是教科书级别的维权案例啊！”还有人调侃：“公司可能后悔裁员了，这不，赔偿没省下，还多付了9个月工资。”
我觉得，这位朋友的操作确实给大家提了个醒：在职场上，遇到不公正待遇时，千万别怂，法律是咱们的底气。不过，也得看个人情况和精力，毕竟耗时间耗心力的事儿，不是谁都能扛住。
最后，给这位朋友点个赞，这波操作不仅保住了自己的权益，还给大家上了一课：在规则范围内，合理“刚”，才是职场生存的王道！【备注:文末可领最新资料】。
算法题：最大得分
算法题这个东西吧，就像是程序员的噩梦和甜蜜的负担。你说它烦，它确实让人头秃；你说它香，它又确实是面试中绕不开的坎。
最近刷到一道题：最大得分，一看名字就知道不简单，毕竟谁不想得分最大呢？下面咱就来掰扯掰扯这道题。
题目大意是这样的：给你两个长度相等的数组 nums1 和 nums2，以及一个整数 k。你需要从这两个数组中选出 k 个元素，要求这些元素的索引是相同的，然后计算得分。得分的计算方式是：nums1 中选出的元素之和乘以 nums2 中选出的最小值。目标是让得分最大。
我看完描述的第一反应是，这题有点东西。它不仅要求你考虑和，还得关心最小值，简直是双重折磨。不过，作为一个程序员，咱不能被问题吓倒，撸起袖子就开干。
首先，直觉告诉我，这题得用贪心算法。为什么呢？因为你要最大化得分，而得分的公式里，有一个乘法。乘法的特性是啥？一个数越大，乘出来的结果越大。所以我们要尽量选出 nums2 中大的值，同时保证 nums1 的和也不至于太低。
于是，我就开始构思解决方案。第一步，先把 nums2 的值和它的索引绑定在一起，然后按照从大到小的顺序排序。为啥要排序？因为我们优先考虑那些 nums2 中大的值，毕竟它是得分公式的乘数。
接下来，用一个优先队列（也就是最小堆）来维护 nums1 中的选中元素。这堆的作用是啥？就是用来保证我们选出的 nums1 的和尽量大，但又能随时踢掉最小的那个元素，为更优的组合腾地方。
代码大概长这样：
import java.util.*;public class MaxScore {
public long maxScore(int[] nums1, int[] nums2, int k) {
int n = nums1.length;
int[][] pairs = new int[n][2];
// 把 nums2 和 nums1 的值绑定在一起
for (int i = 0; i < n; i++) {
pairs[i][0] = nums2[i];
pairs[i][1] = nums1[i];
}
// 按 nums2 从大到小排序
Arrays.sort(pairs, (a, b) -> b[0] - a[0]);
// 最小堆，用来维护 nums1 的前 k 个最大值
PriorityQueue<Integer> minHeap = new PriorityQueue<>();
long sum = 0; // nums1 的和
long maxScore = 0; // 最大得分
for (int i = 0; i < n; i++) {
// 把当前 nums1 的值加入堆
minHeap.add(pairs[i][1]);
sum += pairs[i][1];
// 如果堆的大小超过 k，就移除最小值
if (minHeap.size() > k) {
sum -= minHeap.poll();
}
// 当堆的大小等于 k 时，计算得分
if (minHeap.size() == k) {
maxScore = Math.max(maxScore, sum * pairs[i][0]);
}
}
return maxScore;
}
}
代码写完，心里一阵舒爽。你看，这不就迎刃而解了吗？整个逻辑清晰明了，先排序，再用堆维护一个滑动窗口，最后计算得分。关键是，这种写法的时间复杂度是 O(n log n)，可以说是又快又优雅。
不过说实话，这题虽然思路清晰，但写起来还是有点挑战的，尤其是要处理好堆的操作。每次加一个元素再踢掉最小值，稍微不注意就容易写错。写完代码后，我还特意跑了几组测试数据，确保没有翻车。毕竟，程序员的尊严就在于代码不能出 bug。
最后，给大家提个小建议：刷算法题的时候，别一上来就盯着代码看。先把思路理清楚，再动手写代码，这样效率会高很多。否则，就像是盲人摸象，写着写着就不知道自己在干啥了。
最后，我为大家打造了一份deepseek的入门到精通教程，完全免费：https://www.songshuhezi.com/deepseek
也可以看我写的这篇文章《DeepSeek满血复活，直接起飞！》来进行本地搭建。
-END-
以上，就是今天的分享了，看完文章记得右下角点赞，也欢迎在评论区写下你的留言。