LeetCode - Insert Interval

本文介绍了一种有效的区间合并算法,通过遍历并比较新区间与已有区间的关系来实现区间合并。详细阐述了不同情况下区间的插入位置及合并逻辑,帮助读者理解如何处理区间重叠问题。
<span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);">这道题蛮有意思的,处理方法如下:</span>
<span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);">遍历每个已存在的interval</span>

如果这个newinterval.end<current.start 则把这个interval插到current的前面

如果newinterval.start>current.end,并且current后面已经没有更大的interval(即不可能再合并),则把newinterval插到current的后面,如果current后面还有interval,则newinterval还有合并的可能,则i++,查看下一个interval

除了以上两种情况外,则两个interval肯定有重叠,合并两个interval,把current从原来的List中remove掉,把newinterval指向合并后的interval,再用这个新newinterval继续看后面的interval是否能继续合并。

代码如下:

    public List<Interval> insert(List<Interval> intervals, Interval newInterval) {
        int i = 0;
        while(i<intervals.size()){
            if(newInterval.end < intervals.get(i).start) 
            {
                intervals.add(i,newInterval);
                break;
            }
            else if(newInterval.start > intervals.get(i).end){
                if(i==(intervals.size()-1)){
                    intervals.add(i+1, newInterval);
                    break;
                }
                else{
                    i++;
                    continue;
                }
            } 
            else{
                Interval tmp = intervals.remove(i);
                tmp.start = Math.min(tmp.start, newInterval.start);
                tmp.end = Math.max(tmp.end, newInterval.end);
                newInterval = tmp;
            }
        }
        
        if(i==intervals.size()) intervals.add(newInterval);
        return intervals;
    }


这个题时间复杂度为O(n), 空间复杂度为O(1)

但是调试了好几遍,主要是写代码的时候,如果没有例子,还是很难想清楚,看到input, output了基本就想清楚了,所以面试的时候写代码前要自己给例子想清楚再写。

这道题需要多写几遍,熟悉一下。

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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
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