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 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !
    查看>>
    OpenCV与AI深度学习 | CoTracker3:用于卓越点跟踪的最新 AI 模型
    查看>>
    OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
    查看>>
    OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
    查看>>
    OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>