首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >2025-07-21:不重叠区间的最大得分。用go语言,给定一个二维整数数组 intervals,其中每个元素 interval

2025-07-21:不重叠区间的最大得分。用go语言,给定一个二维整数数组 intervals,其中每个元素 interval

作者头像
福大大架构师每日一题
发布2025-07-21 09:17:19
发布2025-07-21 09:17:19
10100
代码可运行
举报
运行总次数:0
代码可运行

2025-07-21:不重叠区间的最大得分。用go语言,给定一个二维整数数组 intervals,其中每个元素 intervals[i] = [li, ri, weighti] 表示一个区间,起点是 li,终点是 ri,权重是 weighti。你最多可以选出 4 个互不重叠的区间,使得这些被选区间的权重总和最大。

这里的“互不重叠”指的是两个区间之间没有任何交集,且如果两个区间在边界点(左端点或右端点)重合,也视为重叠,不能同时选择。

最终需要返回一个数组,包含所选区间的下标,最多 4 个,并且在所有得分最高的组合中,选出字典序最小的那一个。

1 <= intervals.length <= 5 * 10000。

intervals[i].length == 3。

intervals[i] = [li, ri, weighti]。

1 <= li <= ri <= 1000000000。

1 <= weighti <= 1000000000。

输入: intervals = [[5,8,1],[6,7,7],[4,7,3],[9,10,6],[7,8,2],[11,14,3],[3,5,5]]。

输出: [1,3,5,6]。

解释:

可以选择下标为 1、3、5 和 6 的区间,其权重分别为 7、6、3 和 5。

题目来自力扣3414。

解决步骤

  1. 1. 数据预处理
    • • 将每个区间及其原始下标存储为一个元组(tuple),包含左端点(l)、右端点(r)、权重(weight)和原始下标(i)。
    • • 根据右端点对所有区间进行排序。这样做的目的是为了方便后续的动态规划处理,因为按右端点排序后,可以更容易地找到不与当前区间重叠的前驱区间。
  2. 2. 动态规划初始化
    • • 定义一个动态规划数组 f,其中 f[i][j] 表示从前 i 个区间中选择最多 j 个不重叠区间时的最大权重和及其对应的区间下标组合。
    • f 是一个二维数组,大小为 (n+1) x 5,其中 n 是区间的数量。5 是因为最多可以选择 4 个区间(包括 0 个区间的情况)。
  3. 3. 动态规划填充
    • • 遍历排序后的区间,对于每个区间 t,尝试将其加入到已有的选择中。
    • • 对于每个可能的区间数量 j(从 1 到 4):
      • • 找到所有右端点小于当前区间 t 的左端点的区间。这些区间可以与 t 不重叠。这一步通过二分查找实现,找到第一个右端点大于等于 t.l 的区间,其左边的区间就是可能的前驱。
      • • 计算两种情况的权重和:
        • • 不选择当前区间 t:直接继承 f[i][j] 的值。
        • • 选择当前区间 t:权重和为 f[k][j-1].sum + t.weight,其中 k 是前驱区间的数量。
      • • 比较这两种情况,选择权重和较大的那个。如果权重和相同,选择字典序较小的下标组合。
      • • 更新 f[i+1][j] 为当前最优解。
  4. 4. 结果提取
    • • 最终的最大权重和及其对应的区间下标组合存储在 f[n][4] 中。
    • • 返回 f[n][4].id,即所选区间的下标。

时间复杂度

  • • 排序区间:O(n log n)
  • • 动态规划填充:
    • • 外层循环遍历 n 个区间。
    • • 内层循环遍历 4 个可能的区间数量。
    • • 对于每个区间和数量,需要进行一次二分查找(O(log n))。
    • • 因此,动态规划部分的时间复杂度为 O(n * 4 * log n) = O(n log n)
  • • 总时间复杂度:O(n log n)

空间复杂度

  • • 存储排序后的区间:O(n)
  • • 动态规划数组 fO(n * 5) = O(n)
  • • 存储每个状态的区间下标组合:最坏情况下可能需要 O(n * 4) 的空间(每个状态存储最多 4 个下标)。
  • • 总空间复杂度:O(n)

总结

  • • 时间复杂度:O(n log n)
  • • 空间复杂度:O(n)

Go完整代码如下:

.

代码语言:javascript
代码运行次数:0
运行
复制
package main

import (
    "fmt"
    "slices"
    "sort"
)

func maximumWeight(intervals [][]int) []int {
    type tuple struct{ l, r, weight, i int }
    a := make([]tuple, len(intervals))
    for i, interval := range intervals {
        a[i] = tuple{interval[0], interval[1], interval[2], i}
    }
    slices.SortFunc(a, func(a, b tuple)int { return a.r - b.r })

    n := len(intervals)
    type pair struct {
        sum int
        id  []int
    }
    f := make([][5]pair, n+1)
    for i, t := range a {
        k := sort.Search(i, func(k int)bool { return a[k].r >= t.l })
        for j := 1; j < 5; j++ {
            s1 := f[i][j].sum
            // 为什么是 f[k] 不是 f[k+1]:上面算的是 >= t.l,-1 后得到 < t.l,但由于还要 +1,抵消了
            s2 := f[k][j-1].sum + t.weight
            if s1 > s2 {
                f[i+1][j] = f[i][j]
                continue
            }
            newId := slices.Clone(f[k][j-1].id)
            newId = append(newId, t.i)
            slices.Sort(newId)
            if s1 == s2 && slices.Compare(f[i][j].id, newId) < 0 {
                newId = f[i][j].id
            }
            f[i+1][j] = pair{s2, newId}
        }
    }
    return f[n][4].id
}

func main() {
    intervals := [][]int{{5, 8, 1}, {6, 7, 7}, {4, 7, 3}, {9, 10, 6}, {7, 8, 2}, {11, 14, 3}, {3, 5, 5}}
    result := maximumWeight(intervals)
    fmt.Println(result)
}

Python完整代码如下:

.

代码语言:javascript
代码运行次数:0
运行
复制
# -*-coding:utf-8-*-

from bisect import bisect_left
from copyimport deepcopy

def maximumWeight(intervals):
    # 定义元组结构 l, r, weight, 原始下标 i
    a = [(l, r, w, i) for i, (l, r, w) in enumerate(intervals)]
    # 按右端点排序
    a.sort(key=lambda x: x[1])
    
    n = len(intervals)
    # f[i][j] 存储选前 i 个区间,选 j 个区间时的最大权重和及对应的id列表
    # 初始化为 sum=0,id=[]
    f = [[{'sum':0, 'id':[]} for _ in range(5)] for _ in range(n+1)]

    # 右端点单独提取,方便二分查找
    ends = [item[1] for item in a]

    for i, (l, r, w, idx) in enumerate(a):
        # 找到第一个右端点 >= l 的区间位置
        k = bisect_left(ends, l)
        for j in range(1,5):
            s1 = f[i][j]['sum']  # 不选第 i 个区间
            # 选第 i 个区间,更新权重和
            # f[k][j-1] 是不与当前区间重叠的组合
            s2 = f[k][j-1]['sum'] + w

            if s1 > s2:
                f[i+1][j] = f[i][j]
            elif s1 < s2:
                new_id = deepcopy(f[k][j-1]['id'])
                new_id.append(idx)
                new_id.sort()
                f[i+1][j] = {'sum': s2, 'id': new_id}
            else:  # s1 == s2,比较字典序,选字典序更小的
                new_id = deepcopy(f[k][j-1]['id'])
                new_id.append(idx)
                new_id.sort()
                if f[i][j]['id'] and f[i][j]['id'] < new_id:
                    f[i+1][j] = f[i][j]
                else:
                    f[i+1][j] = {'sum': s2, 'id': new_id}

        # j=0 情况继承不变
        f[i+1][0] = f[i][0]

    return f[n][4]['id']

if __name__ == '__main__':
    intervals = [[5, 8, 1], [6, 7, 7], [4, 7, 3], [9, 10, 6], [7, 8, 2], [11, 14, 3], [3, 5, 5]]
    result = maximumWeight(intervals)
    print(result)
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2025-07-20,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 福大大架构师每日一题 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 解决步骤
  • 时间复杂度
  • 空间复杂度
  • 总结
  • Go完整代码如下:
  • Python完整代码如下:
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档