LeetCode 435. 无重叠区间(贪心算法,动态规划)

简介: LeetCode 435. 无重叠区间(贪心算法,动态规划)

435. 无重叠区间


贪心解法

思路

首先将区间按右端点大小升序排序。那么第一个的右边界最小,给到下一个区间留的空间就更大。


局部最优:优先选择右边界小的区间,所以从左向右遍历,留给下一个区间的空间大,从而避免交叉


全局最优:选取最多的非交叉区间


特殊情况:首区间是 [2,3],[1,3] 排序后应该剔除哪个?对于这题来说其实都是一样的,可以任意选择,因为无论选择哪一个对于下一个区间的影响都是一样的,下一个区间只考虑其左端点是否小于首区间右端点,不在意首区间左端点的位置。


代码实现

class Solution
{
public:
    static bool cmp(vector<int> &a, vector<int> &b)
    {
        return a[1] < b[1];
    }
    int eraseOverlapIntervals(vector<vector<int>> &intervals)
    {
        sort(intervals.begin(), intervals.end(), cmp);
        int pre = intervals[0][1], removed = 0;
        for (int i = 1; i < intervals.size(); i++)
        {
            if (intervals[i][0] < pre)
            {
                removed++;
            }
            else
            {
                pre = intervals[i][1];
            }
        }
        return removed;
    }
};


复杂度分析

时间复杂度:O(nlogn),其中n是区间的数量。我们需要O(nlogn)的时间对所有的区间按照右端点进行升序排序,并且需要O(n)的时间进行遍历。由于前者在渐进意义下大于后者,因此总时间复杂度为O(nlogn)。


空间复杂度:O(logn),即为排序需要使用的栈空间。


动态规划

思路

先将n个区间按右端点排序,然后使用动态规划方法求出区间最大值。令 fi 表示 以区间i为最后一个区间(包含i),可以选出的区间数量最大值


状态转移方程:

image.png

代码实现

class Solution
{
public:
    static bool cmp(vector<int> &a, vector<int> &b)
    {
        return a[1] < b[1];
    }
    int eraseOverlapIntervals(vector<vector<int>> &intervals)
    {
        sort(intervals.begin(), intervals.end(), cmp);
        int n = intervals.size();
        vector f(n, 1);
        for (int i = 1; i < n; i++)
        {
            for (int j = 0; j < i; j++)
            {
                if (intervals[j][1] <= intervals[i][0])
                {
                    f[i] = max(f[i], f[j] + 1);
                }
            }
        }
        return n - *max_element(f.begin(), f.end());
    }
};


复杂度分析

时间复杂度:O ( n 2 )

空间复杂度:O ( n ) 即为存储所有状态 f i 需要的空间。

目录
相关文章
|
1月前
|
存储 算法
深入了解动态规划算法
深入了解动态规划算法
57 1
|
1月前
|
算法 测试技术 C++
【动态规划算法】蓝桥杯填充问题(C/C++)
【动态规划算法】蓝桥杯填充问题(C/C++)
|
1月前
|
算法
Leetcode 初级算法 --- 数组篇
Leetcode 初级算法 --- 数组篇
38 0
|
13天前
|
存储 算法 Java
leetcode算法题-有效的括号(简单)
【11月更文挑战第5天】本文介绍了 LeetCode 上“有效的括号”这道题的解法。题目要求判断一个只包含括号字符的字符串是否有效。有效字符串需满足左括号必须用相同类型的右括号闭合,并且左括号必须以正确的顺序闭合。解题思路是使用栈数据结构,遍历字符串时将左括号压入栈中,遇到右括号时检查栈顶元素是否匹配。最后根据栈是否为空来判断字符串中的括号是否有效。示例代码包括 Python 和 Java 版本。
|
12天前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
29 2
|
1月前
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
67 2
动态规划算法学习三:0-1背包问题
|
1月前
|
算法
每日一道算法题(Leetcode 20)
每日一道算法题(Leetcode 20)
24 2
|
1月前
|
算法
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
这篇文章介绍了动态规划算法中解决最大上升子序列问题(LIS)的方法,包括问题的描述、动态规划的步骤、状态表示、递推方程、计算最优值以及优化方法,如非动态规划的二分法。
65 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
1月前
|
算法
动态规划算法学习二:最长公共子序列
这篇文章介绍了如何使用动态规划算法解决最长公共子序列(LCS)问题,包括问题描述、最优子结构性质、状态表示、状态递归方程、计算最优值的方法,以及具体的代码实现。
123 0
动态规划算法学习二:最长公共子序列
|
1月前
|
算法
Leetcode第57题(插入区间)
LeetCode第57题“插入区间”的解题方法,包括题目描述、示例、算法思路和代码实现,旨在解决将新区间插入有序且不重叠的区间列表中,并合并重叠区间的问题。
15 0
Leetcode第57题(插入区间)