LintCode :数飞机

本文提供了一种方法来计算给定飞机起飞和降落时间列表的情况下,空中同时最多有多少架飞机。通过使用map记录每一时间点的降落和起飞飞机数量,我们可以在O(n log n)的时间复杂度内解决此问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

数飞机

给出飞机的起飞和降落时间的列表,用 interval 序列表示. 请计算出天上同时最多有多少架飞机?

您在真实的面试中是否遇到过这个题? 
Yes
样例

对于每架飞机的起降时间列表:[[1,10],[2,3],[5,8],[4,7]], 返回3

注意

如果多架飞机降落和起飞在同一时刻,我们认为降落有优先权。

标签   Expand  

相关题目   Expand 
解题思路:
用一个map记录每一时间点的降落和起飞的飞机数
比如[1,10] 用map记录为map[ 1 ]++1时刻多了一只飞机,map[ 10 ]--,10时刻少了一只飞机

/**
* Definition of Interval:
* public classs Interval {
*     int start, end;
*     Interval(int start, int end) {
*         this.start = start;
*         this.end = end;
*     }
*/

class Solution {
    /**
     * @param intervals: An interval array
     * @return: Count of airplanes are in the sky.
     */
    public int countOfAirplanes(List<Interval> airplanes) {
        // write your code here
        if(airplanes==null||airplanes.size()==0) return 0;
        Map<Integer, Integer> map = new HashMap<>();
        int len = airplanes.size();
        Set<Integer>  set = new TreeSet<>();
        for(int i=0;i<len;i++){
             int s = airplanes.get(i).start;
             int e = airplanes.get(i).end;
             map.put(s,map.containsKey(s)?map.get(s)+1:1);
            map.put(e,map.containsKey(e)?map.get(e)-1:-1);              
             set.add(s);
             set.add(e);
        }

        int maxAirNo = Integer.MIN_VALUE;
        int curcount = 0;
        Iterator<Integer> tmp = set.iterator();
        while(tmp.hasNext()){
             curcount += map.get(tmp.next());
             maxAirNo = Math.max(maxAirNo, curcount);
        }
       
        return maxAirNo;
    }
}


内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指预测模型。研究选取2018年3月1日至2019年3月26日共391天的据作为样本,通过“试凑法”确定最优隐结点目,建立三层BP神经网络模型对CCi30指收盘价进行预测。论文详细介绍了据预处理、模型构建、训练及评估过程,包括据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指变化趋势。此外,文章还讨论了隐层节点的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值