给定一个区间的集合,找到需要移除区间的最小数量,使剩余区间互不重叠。
注意:
- 可以认为区间的终点总是大于它的起点。
- 区间 [1,2] 和 [2,3] 的边界相互“接触”,但没有相互重叠。
示例 1:
输入: [ [1,2], [2,3], [3,4], [1,3] ]
输出: 1
解释: 移除 [1,3] 后,剩下的区间没有重叠。
示例 2:
输入: [ [1,2], [1,2], [1,2] ]
输出: 2
解释: 你需要移除两个 [1,2] 来使剩下的区间没有重叠。
示例 3:
输入: [ [1,2], [2,3] ]
输出: 0
解释: 你不需要移除任何区间,因为它们已经是无重叠的了。
分析
对于区间问题,通常可用贪心法求解,由于题目的目的是移除最少的区间使得互不重叠,我们需要分析这个所谓的最少意味着什么。最多、最少,通常与贪心法或动态规划有关,到底使用贪心还是动态规划,往往取决于局部最优对整体最优是否有影响,如果局部最优对其他部分没有影响,那么局部最优的总和就是总体最优,便可以用贪心法。
这道题也是一样的,对于混乱的区间,我们可以将其按顺序排序,再来进一步分析。但是区间是有左边界和右边界的,到底该用左边界排序,还是用右边界排序呢?由于对称性,用左边界或者右边界排序均可,区别在于需要从不同的方向开始处理,由于我习惯从左到右处理,需要以右边界为基准进行排序,下面来解释下用右边界排序的原因。
由于我们从左往右处理,若我们以左边界为基准,右边界的顺序是未知的,对于这种极端例子:
[ [1,3], [1,2], [2,3] ]
第一个区间与后两个都重叠,由于后两个互不重叠,我们应该去掉第一个
但是这种呢?
[ [1,5], [1,4], [3,5] ]
哪怕去掉了第一个区间,后两个区间也互相重叠,若一个个情况分着判断,那么既麻烦,效率又低。
而以右边界为基准进行从小到大排序,可以清晰明了地反映出贪心的特点。
我们可以从左至右,两两相邻区间进行比较,对于左边的区间A和右边的区间B,A的右边界一定不大于B的右边界,如果A的右边界小于B的左边界,那么两个区间不重叠,相安无事。如果A的右边界大于B的左边界,那么A区间与B区间一定重叠,这个时候贪心的作用就体现出来了,两个区间重叠,我们该保留哪一个呢?我们一定保留区间A,为什么呢?因为A的右边界值更小(或相等),右边界值更小,对于按右边界值排序的区间而言,区间A和其他区间重叠的可能性一定不大于区间B,因此我们可以筛掉B保留A。按照这个思路,便可以一步步得到最终答案啦。
class Solution {
public:
int eraseOverlapIntervals(vector<vector<int>>& intervals) {
//首先按区间右侧的值进行排序
sort(intervals.begin(), intervals.end(), [](const vector<int>& a, const vector<int>& b) -> bool {
return a[1] < b[1];
});
int retNum = 0;
int rightVal = intervals[0][1];
for (int i = 1; i < intervals.size(); i++) {
if (intervals[i][0] < rightVal)
retNum++;
else
rightVal = intervals[i][1];
}
return retNum;
}
};