Leetcode435. 无重叠区间

利用贪心算法解决无重叠区间问题
该文章介绍了如何使用贪心策略解决435号LeetCode问题——无重叠区间。通过将区间按结束时间排序,然后依次选择不与前一个选择的区间重叠的区间,可以找到最少需要移除的区间数量。文章提供了具体的代码实现,包括比较函数和主要逻辑。

Every day a leetcode

题目来源:435. 无重叠区间

解法1:贪心

求最少的移除区间个数,等价于尽量多保留不重叠的区间。

在选择要保留区间时,区间的结尾十分重要:选择的区间结尾越小,余留给其它区间的空间就越大,就越能保留更多的区间。

所以我们采取的贪心策略为:优先保留结尾小且不相交的区间。

具体实现方法为:先把区间按照结尾的大小进行增序排序,每次选择结尾最小且和前一个选择的区间不重叠的区间。

代码:

int cmpfunc(const int **a, const int **b)
{
    return ((*a)[1] - (*b)[1]);
}

int eraseOverlapIntervals(int **intervals, int intervalsSize, int *intervalsColSize)
{
    int n = intervalsSize;
    if (n == 0)
        return 0;
    qsort(intervals, n, sizeof(int *), cmpfunc);
    int pre = intervals[0][1];
    int removed = 0;
    for (int i = 1; i < n; i++)
    {
        if (intervals[i][0] < pre)
            removed++;
        else
            pre = intervals[i][1];
    }
    return removed;
}

结果:

在这里插入图片描述

复杂度分析:

在这里插入图片描述

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

UestcXiye

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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