Leetcode1094. 拼车

最新推荐文章于 2025-11-25 10:34:42 发布
原创 最新推荐文章于 2025-11-25 10:34:42 发布 · 563 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#C++ #数据结构与算法 #leetcode #差分数组

本文介绍了解决LeetCode题目1094（拼车）的一种方法，利用差分数组高效计算车上的乘客变化，确保任何时候不超过给定的容量。时间复杂度为O(n+U)，空间复杂度为O(U)。

Every day a Leetcode

题目来源：1094. 拼车

解法1：差分数组

在这里插入图片描述

对于本题，设 a[i] 表示车行驶到位置 i 时车上的人数。我们需要判断是否所有 a[i] 都不超过 capacity。

trips[i] 相当于把 a 中下标从 fromi 到 toi−1 的数都增加 numPassengersi。这正好可以用上面讲的差分数组解决。

代码：

/*
 * @lc app=leetcode.cn id=1094 lang=cpp
 *
 * [1094] 拼车
 */

// @lc code=start
class Solution
{
public:
    bool carPooling(vector<vector<int>> &trips, int capacity)
    {
        vector<int> diff(1001, 0);
        for (vector<int> &trip : trips)
        {
            int numPassengers = trip[0], from = trip[1], to = trip[2];
            diff[from] += numPassengers;
            diff[to] -= numPassengers;
        }
        int passengers = 0;
        for (int &d : diff)
        {
            passengers += d;
            if (passengers > capacity)
                return false;
        }
        return true;
    }
};
// @lc code=end

结果：

在这里插入图片描述

复杂度分析：

时间复杂度：O(n+U)，其中 n 是数组 trips 的长度，U=max(toi)。

空间复杂度：O(U)，U=max(toi)。

【LeetCode】1094. Car Pooling 拼车
负雪明烛
08-21 882
作者： 负雪明烛 id： fuxuemingzhu 个人博客： http://fuxuemingzhu.cn/ 目录题目描述题目大意解题方法差分数组代码日期 题目地址：https://leetcode-cn.com/problems/car-pooling/ 题目描述 假设你是一位顺风车司机，车上最初有 capacity 个空座位可以用来载客。由于道路的限制，车 只能 向一个方向行驶（也就是说，不允许掉头或改变方向，你可以将其想象为一个向量）。 这儿有一份乘客行程计划表 trips[][]，其中 trip
LeetCode 2528. 最大化城市的最小电量
m0_56090828的博客
07-04 1202
给你一个下标从开始长度为n的整数数组stations，其中表示第i座城市的供电站数目。每个供电站可以在一定内给所有城市提供电力。换句话说，如果给定的范围是r，在城市i处的供电站可以给所有满足且的城市j供电。|x|x一座城市的是所有能给它供电的供电站数目。政府批准了可以额外建造k座供电站，你需要决定这些供电站分别应该建在哪里，这些供电站与已经存在的供电站有相同的供电范围。给你两个整数r和k，如果以最优策略建造额外的发电站，返回所有城市中，最小电量的最大值是多少。这k座供电站可以建在多个城市。5。
LeetCode刷题系列 -- 1094. 拼车
qq_33775774的博客
02-10 1040
小而美的算法技巧：差分数组 :: labuladong的算法小抄。当且仅当你可以在所有给定的行程中接送所有乘客时，返回。这些位置是从汽车的初始位置向东的公里数。1094. 拼车 - 力扣（Leetcode）i 乘客，接他们和放他们的位置分别是。向一个方向行驶（也就是说，不允许掉头或改变方向。
Leetcode 1094：拼车（超详细的解法！！！）
coordinate的博客
06-24 4650
假设你是一位顺风车司机，车上最初有 capacity 个空座位可以用来载客。由于道路的限制，车 只能 向一个方向行驶（也就是说，不允许掉头或改变方向，你可以将其想象为一个向量）。 这儿有一份行程计划表 trips[][]，其中 trips[i] = [num_passengers, start_location, end_location] 包含了你的第 i 次行程信息： 必须接送的乘客数量； ...
【LeetCode】每日一题：拼车——2023.12.2
m0_64067123的博客
12-02 189
如何实现对车上的乘客数量进行实时判断呢？用一个整型变量num_in_car维护车上的人数，用一个优先队列out_tree维护车上乘客的下车地点，每遍历到一个trip，都会有乘客上车，同时out_tree中所有在该trip地点前的乘客都会下车，由此即可得到该trip乘客上车时车上的总人数。首先trips中给出的一系列trip的上车顺序是混乱的，我们需要先对trips进行一个关于上车顺序的排序，其次遍历trips数组，实时判断此时车上的乘客数是否超过容量，若超过，返回false；
[LeetCode] 拼车
perfects110的博客
09-07 270
class Solution { public: bool carPooling(vector<vector<int>>& trips, int capacity) { vector<int> data(1000, 0); for(int i = 0; i < trips.size(); i++){ ...
LeetCode 1094. 拼车
m0_56090828的博客
07-03 888
车上最初有capacity个空座位。车向一个方向行驶（也就是说，给定整数capacity和一个数组trips表示第i次旅行有乘客，接他们和放他们的位置分别是fromi和toi。这些位置是从汽车的初始位置向东的公里数。当且仅当你可以在所有给定的行程中接送所有乘客时，返回true，否则请返回false。falsetrue提示 1。
Leetcode 1094.拼车 差分
ucler的博客
04-03 833
思路： 这道题有很多种解法，刚好最近在学差分，就用差分做吧。首先是初始没有乘客，差分diff数组各项为0，不用求差构造差分数组了。接着是每一次乘车方案，起点站需要加上乘客数，终点站需要减去乘客数。注意：乘车区间是前闭后开的，因为终点站乘客下车了以后还可以继续拉客。（这里坑了我一会儿） 参考代码： class Solution { public: bool carPooling(vector<vector<int>>& trips, int capacity) {
LeetCode 1094. 拼车（median）
airhaohan 的博客
07-08 496
LeetCode 1094. 拼车（median）
Leetcode 1094. 拼车
L_halley的博客
11-05 148
【代码】Leetcode 1094. 拼车。
leetcode1094. 拼车
Turboyiyi的博客
11-21 245
当且仅当你可以在所有给定的行程中接送所有乘客时，返回。这些位置是从汽车的初始位置向东的公里数。乘客，接他们和放他们的位置分别是。向一个方向行驶（也就是说，
LeetCode1094.拼车
eihh23333的博客
04-29 152
车上最初有capacity个空座位。车向一个方向行驶（也就是说，给定整数capacity和一个数组trips表示第i次旅行有乘客，接他们和放他们的位置分别是fromi和toi。这些位置是从汽车的初始位置向东的公里数。当且仅当你可以在所有给定的行程中接送所有乘客时，返回true，否则请返回false。
skypesky#leetcode-for-javascript#1094. 拼车1
07-25
1094. 拼车差分统计const peoples: number[] = new Array(1001).fill(0);
1094. 拼车
Lucy_wzw的博客
06-07 568
差分数组 + 扫描线方法直观且高效。只需遍历乘客上下车事件，无需模拟整个行驶过程。时间复杂度优于模拟每公里的方案。模拟每公里行驶对于位置范围特别大时（如上百万公里），效率极低。不推荐。优点代码简洁，易实现。适合一维区间覆盖问题。缺点依赖对所有事件排序，若事件多可能稍慢，但一般不会是瓶颈。这个问题很好地体现了“差分数组”和“扫描线”技术在区间问题中的应用。掌握这种思路能够帮助你快速解决很多类似的车辆调度、区间重叠检测问题。
Linux---进程概念（一）——冯诺依曼体系、操作系统、进程、PCB的概念讲解
2401_88465894的博客
11-22 837
本文系统阐述了计算机系统的核心概念。首先介绍了冯诺依曼体系结构，包括五大组件（输入设备、存储器、运算器、控制器、输出设备）及其协作关系，重点解释了内存作为CPU与磁盘间缓冲的重要性。其次深入剖析了操作系统的本质，即通过"先描述再组织"的方式管理软硬件资源，将管理对象抽象为数据结构进行操作。然后详细讲解了进程概念，指出进程由内存中的程序代码/数据和PCB（进程控制块）共同构成，并阐述了进程调度中上下文切换的机制。最后说明了进程标识符的获取方式，强调用户程序必须通过系统调用访问内核数据结构。
【045】Dubbo3从0到1系列之DefaultExecutorRepository
最新发布
生菜园子
11-25 853
本文分析了Dubbo框架中的DefaultExecutorRepository类，其核心功能是管理线程池执行器。通过ConcurrentHashMap实现分层存储结构，第一层键区分执行器类别（如provider/consumer），第二层键标识具体服务。类中提供了线程池的创建和获取流程，支持多种线程池类型（如FixedThreadPool、CachedThreadPool等），并通过SPI机制实现动态适配。CachedThreadPool具有自调节特性，可根据负载自动调整线程数量，并提供了三种队列策略选择。
Vue网站
2509_93947362的博客
11-24 177
给大家分享个实用技巧：组件通信时，简单的父子传参用props/$emit搞定，复杂场景就用Vuex，千万别为了省事滥用event bus，不然项目大了事件流会乱成麻花。以前写数据绑定总要搞一堆繁琐的DOM操作，现在一个双大括号{{data}}就能搞定，新手看了五分钟就能上手写页面。刚开始觉得小项目用Vuex太重量级，后来发现即便是最简单的购物车功能，随着业务复杂度的提升，最终还是得引入状态管理。特别是把相同业务逻辑抽离成composable函数后，在不同组件里直接引入就能用，代码复用率明显提升。
199. 二叉树的右视图
m0_54888411的博客
11-25 345
摘要： 题目要求返回二叉树从右侧视角能看到的节点值序列。采用前序遍历方法，在遍历过程中记录每层最右边的节点值。通过维护当前最大深度和临时数组，在遍历时更新每层的节点值，最终输出前max_depth+1个元素作为结果。该方法时间复杂度为O(n)，空间复杂度为O(h)（递归栈空间），适用于节点数≤100的二叉树。示例表明，对于不同结构的树，算法能正确输出右侧视图序列。
Java集合框架实战：构建高效的企业管理系统
2402_83075343的博客
11-23 981
本文通过两个企业管理系统案例，详细解析了Java集合框架的核心应用。员工部门管理系统采用HashMap实现部门与员工的高效映射，具备智能添加、快速查询和动态统计功能；商品库存管理系统基于ArrayList实现精细化管控，包含智能录入、库存预警和价格排序等特性。文章对比了HashMap和ArrayList的特性差异，提供了集合选型的最佳实践，并探讨了系统扩展方向。这两个实战案例展示了集合框架在企业应用中的实际价值，为开发者掌握Java集合提供了实用参考。
leetcode热门100题贪心算法python
03-23
### LeetCode Top 100 贪心算法题目 Python 实现 贪心算法是一种通过局部最优解来达到全局最优解的方法，在许多实际问题中有广泛应用。以下是基于常见需求整理的一系列与贪心算法相关的热门问题及其对应的 Python 解法。 #### 1. **分发饼干 (Assign Cookies)** 给定饥饿度不同的孩子和大小不一的饼干，分配饼干使尽可能多的孩子感到满足[^1]。 ```python def findContentChildren(g, s): g.sort() s.sort() i, j = 0, 0 while i < len(g) and j < len(s): if s[j] >= g[i]: i += 1 j += 1 return i ``` --- #### 2. **跳跃游戏 (Jump Game II)** 计算从数组的第一个位置到达最后一个位置所需的最少步数[^4]。 ```python def jump(nums): n = len(nums) max_pos, end, steps = 0, 0, 0 for i in range(n - 1): max_pos = max(max_pos, i + nums[i]) if i == end: end = max_pos steps += 1 return steps ``` --- #### 3. **区间调度 (Non-overlapping Intervals)** 移除最少数目的区间使其互不重叠[^2]。 ```python def eraseOverlapIntervals(intervals): if not intervals: return 0 intervals.sort(key=lambda x: x[1]) # 按结束时间排序 count = 1 end = intervals[0][1] for interval in intervals[1:]: if interval[0] >= end: count += 1 end = interval[1] return len(intervals) - count ``` --- #### 4. **拼车问题 (Car Pooling)** 判断一辆容量固定的汽车能否接送所有乘客而不超载。 ```python def carPooling(trips, capacity): events = [] for num, start, end in trips: events.append((start, num)) events.append((end, -num)) events.sort() # 时间顺序排列 current_load = 0 for _, passengers in events: current_load += passengers if current_load > capacity: return False return True ``` --- #### 5. **最大利润 (Maximum Profit in Job Scheduling)** 安排工作以获得最大的总利润。 ```python def jobScheduling(startTime, endTime, profit): jobs = sorted(zip(endTime, startTime, profit)) # 按结束时间排序 dp = [jobs[0][2]] for i in range(1, len(jobs)): curr_profit = jobs[i][2] l = bisect_right([job[0] for job in jobs], jobs[i][1]) - 1 if l != -1: curr_profit += dp[l] dp.append(max(curr_profit, dp[-1])) return dp[-1] ``` --- #### 工具推荐 对于上述解决方案的实际编写与调试，建议使用高效的开发工具如 PyCharm 或 VSCode 来提升效率[^3]。 --- ### 总结 以上展示了部分经典贪心算法问题的 Python 实现方案。每种方法均经过优化设计，能够有效解决特定场景下的复杂问题。
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
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

实付元
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