区间调度问题之区间合并

上篇文章用贪心算法解决了区间调度问题:给你很多区间,让你求其中的最大不重叠子集。

其实对于区间相关的问题,还有很多其他类型,本文就来讲讲区间合并问题(Merge Interval)。

LeetCode 第 56 题就是一道相关问题,题目很好理解:

title

我们解决区间问题的一般思路是先排序,然后观察规律。

一、思路

一个区间可以表示为 [start, end],前文聊的区间调度问题,需要按 end 排序,以便满足贪心选择性质。而对于区间合并问题,其实按 endstart 排序都可以,不过为了清晰起见,我们选择按 start 排序。

1

显然,对于几个相交区间合并后的结果区间 xx.start 一定是这些相交区间中 start 最小的,x.end 一定是这些相交区间中 end 最大的。

2

由于已经排了序,x.start 很好确定,求 x.end 也很容易,可以类比在数组中找最大值的过程:

  1. int max_ele = arr[0];
  2. for (int i = 1; i < arr.length; i++)
  3. max_ele = max(max_ele, arr[i]);
  4. return max_ele;

二、代码

  1. # intervals 形如 [[1,3],[2,6]...]
  2. def merge(intervals):
  3. if not intervals: return []
  4. # 按区间的 start 升序排列
  5. intervals.sort(key=lambda intv: intv[0])
  6. res = []
  7. res.append(intervals[0])
  8. for i in range(1, len(intervals)):
  9. curr = intervals[i]
  10. # res 中最后一个元素的引用
  11. last = res[-1]
  12. if curr[0] <= last[1]:
  13. # 找到最大的 end
  14. last[1] = max(last[1], curr[1])
  15. else:
  16. # 处理下一个待合并区间
  17. res.append(curr)
  18. return res

看下动画就一目了然了:

3

至此,区间合并问题就解决了。本文篇幅短小,因为区间合并只是区间问题的一个类型,后续还有一些区间问题。本想把所有问题类型都总结在一篇文章,但有读者反应,长文只会收藏不会看… 所以还是分成小短文吧,读者有什么看法可以在留言板留言交流。

本文终,希望对你有帮助。

坚持原创高质量文章,致力于把算法问题讲清楚,欢迎关注我的公众号 labuladong 获取最新文章:

labuladong

上一篇:FloodFill算法详解及应用

下一篇:区间调度之区间交集问题

目录