当前位置: 首页 > news >正文

力扣第56题 合并区间 c++ 贪心

题目

56. 合并区间

中等

相关标签

数组   排序

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].

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。

提示:

  • 1 <= intervals.length <= 104
  • intervals[i].length == 2
  • 0 <= starti <= endi <= 104

思路和解题方法

  • 思路是先对区间数组 intervals 按照区间的起始位置进行排序。然后,使用一个结果数组 ans 来存储合并后的区间。
  • 首先,将排序后的第一个区间加入结果数组 ans。
  • 然后,从第二个区间开始遍历,判断当前区间与结果数组中最后一个区间的关系:
  • 如果当前区间被包含在前一个区间中(即当前区间的结束位置小于等于前一个区间的结束位置),则无需合并,继续遍历下一个区间。
  • 如果当前区间与前一个区间有重叠部分(即当前区间的起始位置小于等于前一个区间的结束位置),则合并两个区间,更新前一个区间的结束位置为当前区间的结束位置。
  • 如果当前区间与前一个区间没有重叠部分,则直接将当前区间加入结果数组。
  • 最终,返回结果数组 ans 即为合并后的区间。

复杂度

        时间复杂度:

                O(nlogn)

时间复杂度分析:

  • 排序的时间复杂度为O(nlogn),其中n是区间的个数。
  • 遍历区间的时间复杂度为O(n),其中n是区间的个数。

因此,总的时间复杂度为O(nlogn)。

        空间复杂度

                O(n)

空间复杂度分析:

  • 结果数组ans的空间复杂度为O(n),其中n是区间的个数。

c++ 代码

class Solution {
public:static bool cmp(vector<int> &a, vector<int> &b) {return a[0] < b[0];} vector<vector<int>> merge(vector<vector<int>>& intervals) {vector<vector<int>> ans; // 存储合并后的区间结果if (intervals.size() == 0) return ans; // 如果输入为空,则直接返回空结果sort(intervals.begin(), intervals.end(), cmp); // 按区间的起始位置进行排序ans.push_back(intervals[0]); // 将第一个区间加入结果数组for (int i = 1; i < intervals.size(); i++) {if (ans.back()[1] >= intervals[i][1]) { // 当前区间被包含在前一个区间中,无需合并continue;} else if (ans.back()[1] >= intervals[i][0]) { // 当前区间与前一个区间有重叠部分,合并ans.back()[1] = intervals[i][1]; // 更新前一个区间的结束位置} else {ans.push_back(intervals[i]); // 当前区间与前一个区间无重叠部分,直接加入结果数组}}return ans;}
};

觉得有用的话可以点点赞,支持一下。

如果愿意的话关注一下。会对你有更多的帮助。

每天都会不定时更新哦  >人<  。

http://www.lryc.cn/news/210220.html

相关文章:

  • php 日期
  • 食物链解读
  • Day10配置文件日志多线程
  • leetcode:1154. 一年中的第几天(python3解法)
  • 竞赛 深度学习图像修复算法 - opencv python 机器视觉
  • flutter升级+生成drift文件
  • [AUTOSAR][诊断管理][ECU][$34] 下载请求
  • C 标准库 - <errno.h>和<float.h>详解
  • 对于如何学习的一点思考
  • Ensemble Methods集成学习大比拼:性能、应用场景和可视化对比总结
  • 【2024秋招】2023-9-16 贝壳后端开发二面
  • SpringCloud 微服务全栈体系(七)
  • SAP ABAP 报表输出成 excel 统计图形 (RFC : GFW_PRES_SHOW_MULT)
  • 微信小程序如何获取地理位置
  • 计算机网络相关硬件介绍
  • Megatron-LM GPT 源码分析(三) Pipeline Parallel分析
  • Python---使用turtle模块+for循环绘制五角星---利用turtle(海龟)模块
  • Python的比较运算符查询表
  • C/C++面试常见问题——const关键字的作用和用法
  • Vue3.3指北(四)
  • vue如何使用路由拦截器
  • Docker 深度清除镜像缓存 (overlay2)
  • 刷题笔记(第三天)
  • Linux常用命令——chown命令
  • 浅谈Docker原理
  • Rt-Thread 移植5--空闲线程和线程阻塞(KF32)
  • Web3 治理实践探讨:如何寻找多元化发展路径?
  • 探索Vue 3和Vue 2的区别
  • 中微爱芯74逻辑兼容替代TI/ON/NXP工规品质型号全
  • 聊一下Word2vec-训练优化篇