leetcode题解-57. Insert Interval

题目:

Given a set of non-overlapping intervals, insert a new interval into the intervals (merge if necessary).

You may assume that the intervals were initially sorted according to their start times.

Example 1:
Given intervals [1,3],[6,9], insert and merge [2,5] in as [1,5],[6,9].

Example 2:
Given [1,2],[3,5],[6,7],[8,10],[12,16], insert and merge [4,9] in as [1,2],[3,10],[12,16].

This is because the new interval [4,9] overlaps with [3,5],[6,7],[8,10].

本题是对于给定的non-overlapping intervals和一个新的intervals,要将新的插进去并进行合并,然后我们可以想到无非就是分别找到newInterval.start和newInterval.end插入的位置即可。因此我们可以使用二插搜索的方法分别找到其茶如位置,然后将器进行合并,代码入下所示:

public List<Interval> insert1(List<Interval> intervals, Interval newInterval) {
        int n = intervals.size();
        if (n == 0) {
            intervals.add(newInterval);
            return intervals;
        }

        int low = 0, high = n - 1, mid = 0;
        int temp, target = newInterval.start;
        while (low <= high) {
            mid = (low + high) / 2;
            temp = intervals.get(mid).start;
            if (temp == target)
                break;
            if (temp < target)
                low = mid + 1;
            else
                high = mid - 1;
        }

        // insIdx = the index where new interval to be inserted
        int insIdx = (low <= high) ? mid : low;
        Interval pre = (insIdx == 0) ? null : intervals.get(insIdx - 1);
        // 0<=insIdx<=n, pre=[insIdx-1], pre.start<new.start

        low = insIdx;
        high = n - 1;
        target = newInterval.end;
        while (low <= high) {
            mid = (low + high) / 2;
            temp = intervals.get(mid).end;
            if (temp == target)
                break;
            if (temp < target)
                low = mid + 1;
            else
                high = mid - 1;
        }

        // nxtIdx= the next index after the inserted new interval
        int nxtIdx = (low <= high) ? mid : low;
        Interval nxt = (nxtIdx == n) ? null : intervals.get(nxtIdx);
        // insIdx<=nxtIdx<=n, nxt=[nxtIdx], nxt.end>=new.end

        // [0]...[insIdx-1] <--> [insIdx]...[nxtIdx-1][nxtIdx]...[n]
        intervals.subList(insIdx, nxtIdx).clear();

        // check whether newInterval can be merged with pre or nxt
        boolean isMerged = false, isMerged2 = false;
        if (insIdx > 0 && pre.end >= newInterval.start) {
            pre.end = Math.max(pre.end, newInterval.end);
            isMerged = true;
        }

        if (nxtIdx < n && newInterval.end >= nxt.start) {
            nxt.start = Math.min(nxt.start, newInterval.start);
            isMerged2 = isMerged;
            isMerged = true;
        }

        if (!isMerged) {
            intervals.add(insIdx, newInterval);
            return intervals;
        }

        // merged with pre or nxt or both, deal with the both case
        if (isMerged2 && pre.end >= nxt.start) {
            nxt.start = pre.start; // pre.start < new.start, nxt.start;
            intervals.remove(insIdx - 1); // remove pre
        }

        return intervals;
    }

另外一种思路就是我们遍历链表,将其分为三部分,第一部分是比newInterval.start小的,我们直接将其插入到结果之中,第二部分是需要合并的,我们生成一个新的Interval并插入,第三部分是后面的比end打的,我们也直接插入结果即可。代码入小所示:

    //53.6%
    public List<Interval> insert(List<Interval> intervals, Interval newInterval) {
        List<Interval> result = new ArrayList<>();
        int i = 0;
        // add all the intervals ending before newInterval starts
        while (i < intervals.size() && intervals.get(i).end < newInterval.start)
            result.add(intervals.get(i++));
        // merge all overlapping intervals to one considering newInterval
        while (i < intervals.size() && intervals.get(i).start <= newInterval.end) {
            newInterval = new Interval( // we could mutate newInterval here also
                    Math.min(newInterval.start, intervals.get(i).start),
                    Math.max(newInterval.end, intervals.get(i).end));
            i++;
        }
        result.add(newInterval); // add the union of intervals we got
        // add all the rest
        while (i < intervals.size()) result.add(intervals.get(i++));
        return result;
    }
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值