算法训练Day36|435. 无重叠区间 ● 763.划分字母区间 ● 56. 合并区间

简介: 算法训练Day36|435. 无重叠区间 ● 763.划分字母区间 ● 56. 合并区间

LeetCode:435. 无重叠区间

435. 无重叠区间 - 力扣(LeetCode)

1.思路

无序的数组表,去重复区间,首先进行排序,依据区间一侧进行判重处理,以右边界为届.

计数分为正向计数和逆向计数,区别在于是否符合重复区间的位置不同.

2.代码实现

 1// 正向计数逻辑
 2class Solution {
 3    public int eraseOverlapIntervals(int[][] intervals) {
 4        Arrays.sort(intervals, (a, b) -> {
 5            return Integer.compare(a[0], b[0]);
 6        });
 7        int rem = 0;
 8        int pre = intervals[0][1];
 9        for (int i = 1; i < intervals.length; i++) {
10            if (pre > intervals[i][0]) {
11                rem++;
12                pre = Math.min(pre, intervals[i][1]);
13            } else {
14                pre = intervals[i][1];
15            }
16        }
17        return rem;
18    }
19}
20
21// 逆向计数逻辑
22class Solution {
23    public int eraseOverlapIntervals(int[][] intervals) {
24        Arrays.sort(intervals, (a, b) -> {
25            return Integer.compare(a[0], b[0]);
26        });
27        int count = 1;
28        for (int i = 1; i < intervals.length; i++) {
29            if (intervals[i - 1][1] > intervals[i][0]) {
30                intervals[i][1] = Math.min(intervals[i - 1][1], intervals[i][1]);
31            } else {
32                count++;
33            }
34        }
35        return intervals.length - count;
36    }
37}

3.复杂度分析

时间复杂度:O(n + nlogn).

空间复杂度:O(n)


LeetCode:763.划分字母区间

763. 划分字母区间 - 力扣(LeetCode)


1.思路

创建一个26大小的数组来存放26个字母出现在s中的最大索引,遍历即可,字符串转换为字符数组(这一步可以省略,字符串遍历也一样)。再次遍历字符串更新当前索引范围下的字母最远索引,当idx == edge[s.charAt(i) - 'a']时,添加到结果集中,继续下一段遍历.


2.代码实现

 1// 字符数组实现,中间多一步转化
 2class Solution {
 3    public List<Integer> partitionLabels(String s) {
 4        List<Integer> list = new ArrayList<>();
 5        int[] edge = new int[26];
 6        char[] charS = s.toCharArray();
 7        for (int i = 0; i < charS.length; i++) {
 8            edge[charS[i] - 'a'] = i; 
 9        }
10        int idx = 0;
11        int right = 0;
12        for (int i = 0; i < charS.length; i++) {
13            idx = Math.max(idx, edge[charS[i] - 'a']);
14            if (i == idx) {
15                list.add(i - right + 1);
16                right = i + 1;
17            }
18        }
19        return list;
20    }
21}
22
23// 字符串实现
24class Solution {
25    public List<Integer> partitionLabels(String s) {
26        List<Integer> list = new ArrayList<>();
27        int[] edge = new int[26];
28        for (int i = 0; i < s.length(); i++) {
29            edge[s.charAt(i) - 'a'] = i; 
30        }
31        int idx = 0;
32        int right = 0;
33        for (int i = 0; i < s.length(); i++) {
34            idx = Math.max(idx, edge[s.charAt(i) - 'a']);
35            if (i == idx) {
36                list.add(i - right + 1);
37                right = i + 1;
38            }
39        }
40        return list;
41    }
42}


时间复杂度:O(n).

空间复杂度:O(1).


LeetCode:56. 合并区间

56. 合并区间 - 力扣(LeetCode)


1.思路

抄完上面几个题目之后,这个思路挺清晰的:先排序,而后遍历合并重叠区间,非重叠区间直接加入结果集即可,注意最后一组元素是最后直接加入结果集!!!

学到了链表和数组的结合体的处理方式


2.代码实现

 1// 第一种
 2class Solution {
 3    public int[][] merge(int[][] intervals) {
 4        // 重叠的合并,不重叠的加入即可
 5        // 排序
 6        List<int[]> res = new ArrayList<>();
 7
 8        Arrays.sort(intervals, (a, b) -> {
 9            return Integer.compare(a[0], b[0]);
10        });
11        int pre1 = intervals[0][0];
12        int pre2 = intervals[0][1];
13        for (int i = 1; i < intervals.length; i++) {
14            if (pre2 >= intervals[i][0]) {
15                pre2 = Math.max(pre2, intervals[i][1]);
16            } else {
17                res.add(new int[]{pre1, pre2});
18                pre1 = intervals[i][0];
19                pre2 = intervals[i][1];
20            }
21        }
22        res.add(new int[]{pre1, pre2});
23        return res.toArray(new int[res.size()][]);
24    }
25}
26
27// 第二种
28class Solution {
29    public int[][] merge(int[][] intervals) {
30        // 重叠的合并,不重叠的加入即可
31        // 排序
32        List<List<Integer>> res = new ArrayList<>();
33
34        Arrays.sort(intervals, Comparator.comparingInt(a -> a[0]));
35        int pre1 = intervals[0][0];
36        int pre2 = intervals[0][1];
37        for (int i = 1; i < intervals.length; i++) {
38            if (pre2 >= intervals[i][0]) {
39                pre2 = Math.max(pre2, intervals[i][1]);
40            } else {
41                res.add(Arrays.asList(pre1, pre2));
42                pre1 = intervals[i][0];
43                pre2 = intervals[i][1];
44            }
45        }
46        res.add(Arrays.asList(pre1, pre2));
47
48        int[][] result = new int[res.size()][2];
49        for (int i = 0; i < res.size(); i++) {
50            result[i][0] = res.get(i).get(0);
51            result[i][1] = res.get(i).get(1);
52        }
53        return result;
54    }
55}
56

3.复杂度分析

时间复杂度:O(nlogn).

空间复杂度:O(logn).


相关文章
|
3月前
|
存储 机器学习/深度学习 算法
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
蓝桥杯Python编程练习题的集合,涵盖了从基础到提高的多个算法题目及其解答。
136 3
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
|
2月前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
3月前
|
机器学习/深度学习 算法 决策智能
【机器学习】揭秘深度学习优化算法:加速训练与提升性能
【机器学习】揭秘深度学习优化算法:加速训练与提升性能
|
3月前
|
算法
条件运算符与条件if的姻缘,打擂台算法和大小写字母转换,if逻辑避坑
条件运算符与条件if的姻缘,打擂台算法和大小写字母转换,if逻辑避坑
39 1
|
3月前
|
算法 Java C++
【贪心算法】算法训练 ALGO-1003 礼物(C/C++)
【贪心算法】算法训练 ALGO-1003 礼物(C/C++)
【贪心算法】算法训练 ALGO-1003 礼物(C/C++)
|
3月前
|
算法 C++
蓝桥 算法训练 共线(C++)
蓝桥 算法训练 共线(C++)
|
7天前
|
算法 数据安全/隐私保护
室内障碍物射线追踪算法matlab模拟仿真
### 简介 本项目展示了室内障碍物射线追踪算法在无线通信中的应用。通过Matlab 2022a实现,包含完整程序运行效果(无水印),支持增加发射点和室内墙壁设置。核心代码配有详细中文注释及操作视频。该算法基于几何光学原理,模拟信号在复杂室内环境中的传播路径与强度,涵盖场景建模、射线发射、传播及接收点场强计算等步骤,为无线网络规划提供重要依据。
|
20天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
156 80
|
8天前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
|
8天前
|
算法
基于龙格库塔算法的锅炉单相受热管建模与matlab数值仿真
本设计基于龙格库塔算法对锅炉单相受热管进行建模与MATLAB数值仿真,简化为喷水减温器和末级过热器组合,考虑均匀传热及静态烟气处理。使用MATLAB2022A版本运行,展示自编与内置四阶龙格库塔法的精度对比及误差分析。模型涉及热传递和流体动力学原理,适用于优化锅炉效率。