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 | 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>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>