Leetcode1024. 视频拼接-贪心法

---

前言

“视频拼接”是一个关于区间重合的问题，不过不是合并区间重合部分，而是求得能覆盖指定长度的最少区间个数。出现了“最少”的字眼，我们就考虑贪心法和动态规划。其中的贪心法还可以引申到“跳跃游戏”上去。
解题方法参考官方题解

---

一、Leetcode1024 题目描述

题目链接

从题目中提炼出的数学问题就是，获得能完全覆盖[0,T]这一片段的最少小区间个数，小区间之间允许存在重叠。小区间就是输入的这些视频片段起止时间区间。

二、动态规划法

1.解题思路

在动态规划中，我们首先要确定状态是什么。

在这个问题中，可以令 dp[i] 表示将区间 [0,i] 覆盖所需的最少子区间的数量。由于我们希望子区间的数目尽可能少，因此可以将所有 dp[i] 的初始值设为一个大整数（方便状态转移时取最小值作为更新结果），并将 dp[0]（即空区间）的初始值设为 0。因此dp长度是T+1。

接下来要确定状态转移方程，即dp[i] 如何由前面的状态获得。

我们通过遍历这些小区间来更新每个状态。对于dp[i]，遍历小区间，设当前小区间是 [a,b]，如果 i 的值在这个区间内，那么说明能覆盖 [0,a] 的小区间再加上当前的这个小区间，就一定能覆盖 [0,i] 这段。那么说明dp[i] = dp[a]+1。这里还要注意，我们要找最少区间数，因此不能这么草率地就确定值了。
遍历小区间过程中，可能有很多个小区间都满足上面的条件，因此我们取min(dp[i], dp[a]+1) 来不断更新dp[i]，直到遍历了所有小区间。 我们对每个 i 值都重复上面的做法。

2.完整代码

代码如下（示例）：

class Solution:
    def videoStitching(self, clips: List[List[int]], T: int) -> int:
        dp = [0]+[float('inf') for _ in range(T)]  # 定初值
        for i in range(1,T+1):
            for a, b in clips:
                if a<i<=b:   
                # i在当前区间内，写成 a<=i<=b 也可以。不过i==a时，下面的式子值一定取dp[i]
                    dp[i] = min(dp[a]+1, dp[i])  # 状态转移
        return dp[-1] if dp[-1]<float('inf') else -1

动规解法中由于有两重循环，因此时间复杂度稍高，是o(T×N)，N是小区间个数。

三、贪心算法

1.解题思路

在选取小区间来覆盖片段时，对于所有左端点相同的小区间，其右端点越远越有利。这就是贪心的精髓 。

于是我们预处理所有的小区间，对于每一个位置 i，我们记录以其为左端点的小区间中最远的右端点位置，记为 maxn[i]。这个列表是关键。

（这里注意：maxn的长度是T，列表最后一个值代表在T-1位置，可以覆盖到的最远右端点。因为小区间中不存在 [i, i] 这种情况，所以我们可以不考虑位置T能覆盖到的最远右端点）

之后，我们枚举每一个位置，假设当枚举到位置 i 时，记左端点不大于 i 的所有子区间的最远右端点为 last。这样 last 就代表了当前能覆盖到的最远的右端点位置。

每次我们枚举到一个新位置，我们都用 maxn[i] 来更新 last。如果更新后 last==i，那么说明当前最远可以覆盖到的就是当前位置了。我们定义的maxn的长度是T，因此哪怕遍历到列表的最后一个位置，当 last==T-1时，也是无法覆盖住 T 这个位置。我们就无法完成目标。所以，不管遍历到哪个位置，只要出现 last==i，就说明无法覆盖，直接返回-1即可。

---

通过前面的步骤，我们就可以判断这些小区间是否能覆盖给定长度的片段了。 这个思想就可以直接用在跳跃游戏上（题目描述）。
在跳跃游戏中，我们可以根据输入计算每个位置上可以跳到的最远位置，这个结果就是列表maxn。之后重复上面的枚举操作，来判断是否可以跳到最后一个位置。其代码为：

class Solution:
    def canJump(self, nums: List[int]) -> bool:
        maxn = [0 for _ in range(len(nums)-1)]  # 注意maxn的长度，一定要使列表的最后位置，代表跳跃终点的前一个位置
        for i in range(len(nums)-1):
            maxn[i] = i+nums[i]
        last = 0
        for i in range(len(nums)-1):
            last = max(last, maxn[i])
            if i == last: return False
        return True

---

但是在本题中，我们还要计算出所需最少区间数，因此要继续算法：

用 ans 表示所需小区间个数。在枚举 i 时，我们还需要记录上一个被使用的子区间的结束位置为 pre，每次我们越过一个被使用的子区间，就说明我们要启用一个新子区间，这个新子区间的结束位置即为当前的 last（因为要取最远的右端点）。也就是说，每次我们遇到 i==pre，就说明我们用完了一个被使用的子区间。这种情况下我们让ans加 1，并更新 pre 即可。
pre要初始化为0，因为maxn[0]对应的起始区间是一定要要的。

2.完整代码

class Solution:
    def videoStitching(self, clips: List[List[int]], T: int) -> int:
        maxn = [0] * T
        last = ret = pre = 0
        # 获得以每个位置为左端点的最右右端点位置
        for a, b in clips:
            if a < T:
                maxn[a] = max(maxn[a], b)
        
        for i in range(T):
            last = max(last, maxn[i])
            if i == last:   # 无法覆盖
                return -1
            if i == pre:    # 需要开启一个新区间
                ret += 1
                pre = last
        
        return ret

由于只有两个一重循环，时间复杂度只有o(T+N)。

---

总结

这道题的贪心解法比较难想通，它的核心在于maxn和之后的循环。这个方法容易泛化到跳跃问题或其他问题上，只要能正确写出maxn就行。