【20230830】求线段最大重合数

题目：求线段最大重合数

给定很多线段，每个线段都有两个数[start，end]，表示线段开始位置和结束位置，左右都是闭区间，所有的线段都记录在整数数组 lines ，其中lines[i] = [Xstart, Xend]。

规定：

1. 线段开始和结束位置一定是整数
2. 线段重合区域的长度必须 >= 1

返回线段最多重合区域中，包含了几条线段

示例1：

输入：lines=[ [3,6], [2,8],[4,7],[7,12] ]

输出：3

解题思路

方案一：暴力解法

思路:

有题目可知，线段的开始位置和结束位置都是整数，且线段长度大于等于1。因此，假设有个线段为[0,1],那么0.5肯定在该线段上。由此，可以通过暴力方式，求解数组中没一个x.5位置所在的线段个数，从而取最大值。

代码实现：

1. 先求出数组的左右边界值，左边界为所有线段开始位置的最小值，右边界为所有线段结束位置的最大值。
2. 循环计算每一个X.5位置线段重合个数。

	public static int maxCoverCount1( int[][] lines ){
		//1.计算左右边界
		int left = 0;
		int right = 0;

		for( int i = 0; i < lines.length; i++ ){
			left = Math.min( left, lines[ i ][ 0 ] );
			right = Math.max( right, lines[ i ][ 1 ] );
		}

		//2.暴力寻找包含X.5位置线段个数
		int max = 0;
		for( double p = left + 0.5; p < right; p += 1 ){
			int cur = 0;
			for( int i = 0; i < lines.length; i++ ){
				if( lines[ i ][ 0 ] < p && p < lines[ i ][ 1 ] ){
					cur++;
				}
			}
			max = Math.max( max, cur );
		}
		return max;
	}

方案二： 使用小根堆

思路：

给定的lines数组中的线段是无序的，计算线段重合个数时，由于线段无序，就需要同时考虑开始和结束两个位置的大小。

可以通过将数组按照开始位置排序，减少重合判断条件。此时，只需要比较某个线段的结束位置是否小于下一个线段的开始位置。

如过一个线段的结束位置小于另一个线段的开始位置，这两条线段肯定是不重合的。

已给定数组 lines = [ [3,6], [2,8],[4,7],[7,12] ] 为例。

排序后数组为：

lines = [ [2,8], [3,6],[4,7],[7,12] ]

1. 小根堆 [ ] --> 执行 [2, 8] --> 小根堆 [8 ] ; count =1
2. 执行 [3, 6]–>8大于3 --> 小根堆 [6,8 ] ; count =2
3. 执行 [4,7] -->6,8都大于4 -->小根堆 [6,7,8 ] ; count =3
4. 执行 [7,12]–> 6,7,8都小于12，小根堆弹出6,7,8 -->小根堆 [12 ]; count =1

代码实现

步骤：

1. 将所有的线段按照开始位置进行排序，目的是为了保证任何一个线段尾部dou可以从右侧进来。
2. 准备一个小根堆，用来存放线段的尾部。
3. 对于每条线段，先将小跟堆中所有小于线段起点的数弹出。
4. 将线段的尾部加入小根堆中，此时，小根堆中的数据个数就是重合的线段个数。
5. 计算当前小跟堆大小，取最大值。

	public int maxCoverCount( int[][] lines ){

		if( lines.length == 0 ){
			return 0;
		}
		// 1.排序
		Arrays.sort( lines, ( x, y ) -> Integer.compare( x[ 0 ], y[ 0 ] ) );

		int max = 0;
		// 创建小根堆
		PriorityQueue<Integer> heap = new PriorityQueue<>();
		for( int i = 0; i < lines.length; i++ ){
			// 判断线段是否重合，并计算堆的长度
			while( !heap.isEmpty() && heap.peek() <= lines[ i ][ 0 ] ){
				heap.poll();
			}
			heap.add( lines[ i ][ 1 ] );
			max = Math.max( max, heap.size() );
		}
		return max;
	}

总结