[leetcode-排序]56. 合并区间

给出一个区间的集合,请合并所有重叠的区间。

示例 1:

输入: [[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: [[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。

//==============================快速排序=====================================

/**
 * Definition for an interval.
 * struct Interval {
 *     int start;
 *     int end;
 * };
 */
/**
 * Return an array of size *returnSize.
 * Note: The returned array must be malloced, assume caller calls free().
 */

//快速排序
int partition(struct Interval *nums, int l, int r)
{
    int low=l, high=r;
    int sentry_start = nums[low].start;
    int sentry_end = nums[low].end;
    
    while(low<high)
    {
        while(low<high && nums[high].start>=sentry_start)
        {
            high--;
        }
        nums[low].start=nums[high].start;
        nums[low].end=nums[high].end;
        
        while(low<high && nums[low].start<=sentry_start)
        {
            low++;
        }
        nums[high].start=nums[low].start;
        nums[high].end=nums[low].end;
    }
    nums[low].start=sentry_start;
    nums[low].end=sentry_end;
    
    return low;
}

void quickSort(struct Interval *nums, int l, int r){
    while(l < r)
    {
        int mid=partition(nums, l, r);
        quickSort(nums, l, mid-1);
        //quickSort(nums, mid+1, r);
        l=mid+1;
    }
}
struct Interval* merge(struct Interval* intervals, int intervalsSize, int* returnSize) {
    if(intervals==NULL || intervalsSize<1)
    {
        return NULL;
    }
    
    //先按start进行从小到大排序
    quickSort(intervals, 0, intervalsSize-1);
    
    //设置临时数组,存放合并结果
    struct Interval list[intervalsSize];
    
    int i;
    int index=0;
    int m_start=0, m_end=0;
    
    //遍历原始元素序列
    for(i=0; i<intervalsSize; ++i)
    {
        //变量存储两个初始值,用于比较
        m_start = intervals[i].start;
        m_end   = intervals[i].end;
        
        // 遍历后续元素序列,查找与其重合的元素
        // 查找规则: 
        //      1. 因为已经按start排序,只比较当前元素的end值,即当后面元素的start小于等于当前元素的end,则说明重合。
        //      2. 此处索引最大为倒数第二个,因为需要与倒数第一个元素进行比较
        while(i<intervalsSize-1 && intervals[i+1].start<=m_end)
        {
            m_end = m_end >= intervals[i+1].end ? m_end : intervals[i+1].end; //两者取大的end,start当前元素已经最小
            
            //索引前进,继续遍历
            // 1.intervals[i+1].start<=m_end 结束遍历时,后续还有元素需要遍历
            // 2. i<intervalsSize-1 结束遍历时,最后比较的是 倒数第二个元素与最后一个元素,结束时 i=intervalsSize-1 即最后一个元素的索引
            i++; 
        }
        
        //遍历的结果存放到临时结果数组
        list[index].start = m_start;
        list[index].end = m_end;
        
        //更新临时结果数组的索引
        index++;
    }
    
    //分配最后返回的结果集
    struct Interval* res = (struct Interval*)calloc(index, sizeof(struct Interval));
    
    //把临时结果集的数据转移到最后返回的结果集,其个数为index
    for(i=0; i<index; ++i)
    {
        res[i].start=list[i].start;
        res[i].end=list[i].end;
    }
    
    *returnSize=index;
    return res;
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 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。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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