☆打卡算法☆LeetCode 57、插入区间 算法解析

简介: “给定一个无重叠的区间列表,在列表中插入一个新的区间,确保列表中的区间仍然有序且不重叠。”

一、题目


1、算法题目

“给定一个无重叠的区间列表,在列表中插入一个新的区间,确保列表中的区间仍然有序且不重叠。”

题目链接:

来源:力扣(LeetCode)

链接:57. 插入区间 - 力扣(LeetCode) (leetcode-cn.com)


2、题目描述

给你一个 无重叠的 按照区间起始端点排序的区间列表。

在列表中插入一个新的区间,你需要确保列表中的区间仍然有序且不重叠(如果有必要的话,可以合并区间)。

示例 1:
输入: intervals = [[1,3],[6,9]], newInterval = [2,5]
输出: [[1,5],[6,9]]
复制代码
示例 2:
输入:intervals = [[1,2],[3,5],[6,7],[8,10],[12,16]], newInterval = [4,8]
输出:[[1,2],[3,10],[12,16]]
解释:这是因为新的区间 [4,8] 与 [3,5],[6,7],[8,10] 重叠。
复制代码


二、解题


1、思路分析

这个题先分析题意,在列表中插入区间,确保列表中的区间有序不重叠,当我们需要插入一个新的区间S=[left,right]时,我们需要:

  • 找出所有与区间S重叠的区间X
  • 将 X 中所有区间连带上区间S合并成一个大区间
  • 最终的答案就是不与X重叠的区间以及合并后的大区间


2、代码实现

代码参考:

public class Solution {
    public int[][] Insert(int[][] intervals, int[] newInterval) {
        if(newInterval.Length == 0) return intervals;
        int len = intervals.Length + 1;
        int[][] newIntervals = new int[len][];
        if(intervals.Length == 0) newIntervals[0] = newInterval;
        bool isFind = false;
        for (int i = intervals.Length - 1, j = len - 1; j >= 0; j--){
            if(i < 0){
                newIntervals[j] = newInterval;
                break;
            } 
            if (!isFind && newInterval[0] >= intervals[i][0]){
                newIntervals[j] = newInterval;
                isFind = true;
            }
            else{
                newIntervals[j] = intervals[i];
                i--;
            }
        }
        List<int[]> lstRes = new List<int[]>();
        lstRes.Add(newIntervals[0]);
         //遍历合并,保存结果
        foreach(int[] currArr in newIntervals){
            int[] preArray = lstRes[lstRes.Count - 1];
            if(preArray[1] < currArr[0] || preArray[0] > currArr[1]){
                lstRes.Add(currArr);
            }
            else{
                int left = preArray[0] < currArr[0] ? preArray[0] : currArr[0];
                int right = preArray[1] > currArr[1] ? preArray[1] : currArr[1];
                lstRes[lstRes.Count - 1] = new int[2]{left, right};
            } 
        }
        return lstRes.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)

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(1)

只需要常数级别的空间存放变量。


三、总结

那么我们应当在什么时候将区间 SS 加入答案呢?

由于我们需要保证答案也是按照左端点排序的,因此当我们遇到第一个 满足 Li > right的区间时,说明遍历到的区间不会与S重叠,并且左端点会大于S的左端点。

此时就可以将S加入答案。

也有特殊情况,比如不存在这样的区间,需要在遍历结束的时候,将S加入答案。



相关文章
|
3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。
|
4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。
1182 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
|
4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。
600 1
|
4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。
371 1
贪心算法:部分背包问题深度解析
|
4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
|
4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
890 0
|
4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。
562 8
|
4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。
|
6月前
|
机器学习/深度学习 人工智能 编解码
AI视觉新突破:多角度理解3D世界的算法原理全解析
多视角条件扩散算法通过多张图片输入生成高质量3D模型,克服了单图建模背面细节缺失的问题。该技术模拟人类多角度观察方式,结合跨视图注意力机制与一致性损失优化,大幅提升几何精度与纹理保真度,成为AI 3D生成的重要突破。
646 0

推荐镜像

更多
  • DNS