博客
关于我
LeetCode 57. Insert Interval
阅读量:119 次
发布时间:2019-02-26

本文共 1433 字,大约阅读时间需要 4 分钟。

为了解决这个问题,我们需要将一个新的区间插入到一组已经排序的非重叠区间中,并合并可能重叠的区间。我们可以通过遍历原来的区间,判断并合并重叠的区间,然后将结果排序来实现这一点。

方法思路

  • 初始化:创建一个空列表来存储结果区间,并将新区间的起始和结束时间初始化为当前新区间的值。
  • 遍历原区间:对于每个原区间,检查它是否与当前新区间重叠。如果不重叠,将该区间添加到结果列表中;如果重叠,则更新当前新区间的起始和结束时间以包含该区间。
  • 添加新区间:处理完所有原区间后,将当前新区间添加到结果列表中。
  • 排序结果:为了确保结果区间按照起始时间排序,最后对结果列表进行排序。
  • 解决代码

    import java.util.ArrayList;import java.util.Collections;import java.util.Comparator;import java.util.List;public class Solution {    public int[][] insert(int[][] intervals, int[] newInterval) {        List
    res = new ArrayList<>(); int[] current = newInterval; for (int[] interval : intervals) { if (interval[0] > current[1]) { res.add(interval); } else { current[0] = Math.min(current[0], interval[0]); current[1] = Math.max(current[1], interval[1]); } } res.add(current); Collections.sort(res, new Comparator
    () { @Override public int compare(int[] a, int[] b) { return Integer.compare(a[0], b[0]); } }); return res.toArray(new int[0][0]); }}

    代码解释

    • 初始化List<int[]> res = new ArrayList<>(); 创建一个空列表res来存储结果区间。int[] current = newInterval; 初始化当前区间为新插入的区间。
    • 遍历原区间:使用一个循环遍历每个原区间int[] interval。检查该区间是否与当前区间重叠,如果不重叠则将其添加到res列表中;如果重叠,则更新当前区间的起始和结束时间。
    • 添加新区间:处理完所有原区间后,将当前区间添加到res列表中。
    • 排序结果:对res列表进行排序,确保结果区间按照起始时间排序。

    通过这种方法,我们可以高效地将新区间插入并合并重叠的区间,确保结果区间有序。

    转载地址:http://irdy.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>
    OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
    查看>>
    OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>