博客
关于我
leetcode436. 寻找右区间(二分法)
阅读量:258 次
发布时间:2019-03-01

本文共 1516 字,大约阅读时间需要 5 分钟。

为了解决这个问题,我们需要找到每个区间右边的区间,即起始点大于或等于当前区间的终点。我们需要高效地解决这个问题,并返回每个区间的结果。

方法思路

  • 排序区间:首先,我们将所有区间按照起始点进行排序。这样可以使得后续查找过程更高效。
  • 二分查找:对于每个区间,我们使用二分查找来找到第一个满足条件的右侧区间。具体来说,我们在排序后的区间中查找起始点大于或等于当前区间终点的第一个位置。
  • 记录结果:如果找到满足条件的右侧区间,则记录其索引;否则,记录-1。
  • 这种方法的时间复杂度主要由排序和二分查找决定,复杂度为O(n log n),能够高效处理较大的输入规模。

    解决代码

    import java.util.Arrays;import java.util.Comparator;public class Solution {    public int[] findRightInterval(int[][] intervals) {        int n = intervals.length;        int[][] in = new int[n][2];        for (int i = 0; i < n; i++) {            in[i][0] = intervals[i][0];            in[i][1] = i;        }        Arrays.sort(in, new Comparator
    () { @Override public int compare(int[] o1, int[] o2) { return o1[0] - o2[0]; } }); int[] res = new int[n]; for (int i = 0; i < n; i++) { int end = intervals[i][1]; int left = 0; int right = n; while (left < right) { int mid = left + (right - left) / 2; if (in[mid][0] >= end) { right = mid; } else { left = mid + 1; } } if (left < n && in[left][0] >= end) { res[i] = in[left][1]; } else { res[i] = -1; } } return res; }}

    代码解释

  • 排序区间:将每个区间的起始点和原索引存储在数组in中,然后按起始点排序。
  • 二分查找:对于每个区间,使用二分查找在排序后的数组中找到第一个起始点大于或等于当前区间终点的位置。
  • 记录结果:如果找到满足条件的区间,记录其索引;否则,记录-1。
  • 这种方法利用了排序和二分查找的高效性,确保了算法的性能。

    转载地址:http://ywbv.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>
    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 | 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>>