☆打卡算法☆LeetCode 56、合并区间 算法解析

简介: “给定一个数组表示若干个区间的集合,请你合并所有重叠的区间,返回一个不重叠的区间数组,该数组需恰好覆盖输入的所有区间。”

一、题目


1、算法题目

“给定一个数组表示若干个区间的集合,请你合并所有重叠的区间,返回一个不重叠的区间数组,该数组需恰好覆盖输入的所有区间。”

题目链接:

来源:力扣(LeetCode)

链接:56. 合并区间 - 力扣(LeetCode) (leetcode-cn.com)


2、题目描述

以数组 intervals 表示若干个区间的集合,其中单个区间为 intervals[i] = [starti, endi] 。请你合并所有重叠的区间,并返回一个不重叠的区间数组,该数组需恰好覆盖输入中的所有区间。

示例 1:
输入:intervals = [[1,3],[2,6],[8,10],[15,18]]
输出:[[1,6],[8,10],[15,18]]
解释:区间 [1,3] 和 [2,6] 重叠, 将它们合并为 [1,6].
复制代码
示例 2:
输入: intervals = [[1,4],[4,5]]
输出: [[1,5]]
解释: 区间 [1,4] 和 [4,5] 可被视为重叠区间。
复制代码


二、解题


1、思路分析

这个题的关键在于对于二维数组排序的应用,比如说按照区间的最左边开始,在排完序的数组中,合并的区间是连续的。

首先将列表中的区间按照左端点升序排序,然后将第一个区间加入到苏中,然后按顺序加入剩余的区间。

再加入剩余的区间的时候,要考虑,如果当前区间的左端点在数组中最后一个区间的右端点之后,那么他们不会重合,可以将这个区间加入数组的末尾。

否则,就是重合了,将当前区间的右端点更新数组中最后一个区间的右端点,重置两者的较大值。


2、代码实现

代码参考:

public class Solution {
    public int[][] Merge(int[][] intervals) {
        //排序数组
        Array.Sort(intervals, (x, y) => x[0].CompareTo(y[0]));
        //初始化变量
        List<int[]> ans = new List<int[]>();
        bool add;
        ans.Add(intervals[0]);
        //添加元素
        for (int i = 1; i < intervals.Length; i++)
        {
            add = true;
            //遍历已有区间
            foreach (int[] item in ans)
            {
                if (intervals[i][0]>item[1]||intervals[i][1]<item[0])
                {
                    continue;
                }
                item[0] = Math.Min(item[0], intervals[i][0]);
                item[1] = Math.Max(item[1], intervals[i][1]);
                add = false;
            }
            if (add) ans.Add(intervals[i]);
        }
        return ans.ToArray();
    }
}
复制代码

网络异常,图片无法展示
|


3、时间复杂度

时间复杂度 : O(n log n)

其中n是数组的长度,只需要遍历一遍数组即可求得答案。

空间复杂度: O(log n)

只需要常数级别的空间存放变量。


三、总结

这道题要关键在于数组的排序,数组的排序需要找到左节点和右节点,最终形成一个数组。

所以,要遍历所有的数组,找到最小的值放到最左边,最大的值放到最右边。

最终得到想要的答案。



相关文章
|
8月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
|
8月前
|
存储 机器学习/深度学习 监控
网络管理监控软件的 C# 区间树性能阈值查询算法
针对网络管理监控软件的高效区间查询需求,本文提出基于区间树的优化方案。传统线性遍历效率低,10万条数据查询超800ms,难以满足实时性要求。区间树以平衡二叉搜索树结构,结合节点最大值剪枝策略,将查询复杂度从O(N)降至O(logN+K),显著提升性能。通过C#实现,支持按指标类型分组建树、增量插入与多维度联合查询,在10万记录下查询耗时仅约2.8ms,内存占用降低35%。测试表明,该方案有效解决高负载场景下的响应延迟问题,助力管理员快速定位异常设备,提升运维效率与系统稳定性。
345 4
|
9月前
|
机器学习/深度学习 人工智能 搜索推荐
从零构建短视频推荐系统:双塔算法架构解析与代码实现
短视频推荐看似“读心”,实则依赖双塔推荐系统:用户塔与物品塔分别将行为与内容编码为向量,通过相似度匹配实现精准推送。本文解析其架构原理、技术实现与工程挑战,揭秘抖音等平台如何用AI抓住你的注意力。
2221 7
从零构建短视频推荐系统:双塔算法架构解析与代码实现
|
9月前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
904 1
|
9月前
|
算法 搜索推荐 Java
贪心算法:部分背包问题深度解析
该Java代码基于贪心算法求解分数背包问题,通过按单位价值降序排序,优先装入高价值物品,并支持部分装入。核心包括冒泡排序优化、分阶段装入策略及精度控制,体现贪心选择性质,适用于可分割资源的最优化场景。
488 1
贪心算法:部分背包问题深度解析
|
9月前
|
机器学习/深度学习 边缘计算 人工智能
粒子群算法模型深度解析与实战应用
蒋星熠Jaxonic是一位深耕智能优化算法领域多年的技术探索者,专注于粒子群优化(PSO)算法的研究与应用。他深入剖析了PSO的数学模型、核心公式及实现方法,并通过大量实践验证了其在神经网络优化、工程设计等复杂问题上的卓越性能。本文全面展示了PSO的理论基础、改进策略与前沿发展方向,为读者提供了一份详尽的技术指南。
粒子群算法模型深度解析与实战应用
|
9月前
|
机器学习/深度学习 资源调度 算法
遗传算法模型深度解析与实战应用
摘要 遗传算法(GA)作为一种受生物进化启发的优化算法,在复杂问题求解中展现出独特优势。本文系统介绍了GA的核心理论、实现细节和应用经验。算法通过模拟自然选择机制,利用选择、交叉、变异三大操作在解空间中进行全局搜索。与梯度下降等传统方法相比,GA不依赖目标函数的连续性或可微性,特别适合处理离散优化、多目标优化等复杂问题。文中详细阐述了染色体编码、适应度函数设计、遗传操作实现等关键技术,并提供了Python代码实现示例。实践表明,GA的成功应用关键在于平衡探索与开发,通过精心调参维持种群多样性同时确保收敛效率
机器学习/深度学习 算法 自动驾驶
1402 0
|
9月前
|
机器学习/深度学习 人工智能 资源调度
大语言模型的核心算法——简要解析
大语言模型的核心算法基于Transformer架构,以自注意力机制为核心,通过Q、K、V矩阵动态捕捉序列内部关系。多头注意力增强模型表达能力,位置编码(如RoPE)解决顺序信息问题。Flash Attention优化计算效率,GQA平衡性能与资源消耗。训练上,DPO替代RLHF提升效率,MoE架构实现参数扩展,Constitutional AI实现自监督对齐。整体技术推动模型在长序列、低资源下的性能突破。
1079 8
|
9月前
|
算法 API 数据安全/隐私保护
深度解析京东图片搜索API:从图像识别到商品匹配的算法实践
京东图片搜索API基于图像识别技术,支持通过上传图片或图片URL搜索相似商品,提供智能匹配、结果筛选、分页查询等功能。适用于比价、竞品分析、推荐系统等场景。支持Python等开发语言,提供详细请求示例与文档。

热门文章

最新文章

推荐镜像

更多
  • DNS