每日一题,每日一练.3矩形重叠

本文探讨了矩形重叠的两种判断方法:边判定法和投影法。边判定法通过比较矩形边界来判断是否重叠;投影法则基于两个矩形在x轴和y轴的边有交集的原理。提供了Python实现代码。

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

836. 矩形重叠
矩形以列表 [x1, y1, x2, y2] 的形式表示,其中 (x1, y1) 为左下角的坐标,	(x2, y2) 是右上角的坐标。

如果相交的面积为正,则称两矩形重叠。需要明确的是,只在角或边接触的两个矩形不	构成重叠。

给出两个矩形,判断它们是否重叠并返回结果。



示例 1:	
输入:rec1 = [0,0,2,2], rec2 = [1,1,3,3]
输出:true	

示例 2:
输入:rec1 = [0,0,1,1], rec2 = [1,0,2,1]
输出:false


提示:

两个矩形 rec1 和 rec2 都以含有四个整数的列表的形式给出。
矩形中的所有坐标都处于 -10^9 和 10^9 之间。
x 轴默认指向右,y 轴默认指向上。
你可以仅考虑矩形是正放的情况。

五分钟写完,一小时改进(这快成简单题的日常了我去)
最初想了一下点判定的方式,后来发现点是不靠谱的(不知道两个矩阵的相对位置怎么判断大小,还要多写一个判断),于是改用了边判定,即只要第二个矩形的下边在第一个的上边(或者第二个矩形的左边在第一个矩形的右边,以此类推)那么就没有可能相交了,这时候横纵坐标就尅直接表示边的位置,于是便以四边来进行对比
代码如下:

class Solution:
    def isRectangleOverlap(self, rec1: List[int], rec2: List[int]) -> bool:
        return(False if rec1[2]<=rec2[0] or rec1[0]>=rec2[2] or maxrec1[3]<=rec2[1] or rec1[1]>=rec2[3]) else True)
```python
(顺边练了尽量写在同一行里的三元表达式)

在这里插入图片描述不出意外的内存炸了==,可是好像改进不了,又浪费一小时,最后偷偷去看官方的题解,有第二种投影法,是基于假设有重叠部分的时候,两个矩形在x轴上的边有交集,在y轴上的边也有交集,于是就有了第二种方法。

class Solution(object):
    def isRectangleOverlap(self, rec1, rec2):
        def intersect(p_left, p_right, q_left, q_right):
            return min(p_right, q_right) > max(p_left, q_left)
        return (intersect(rec1[0], rec1[2], rec2[0], rec2[2]) and
                intersect(rec1[1], rec1[3], rec2[1], rec2[3]))

然而对于效率没什么改进,不过多一种方法总是好事,生活大抵也是如此

Latex $$ \text{一级分支:存货管理优化体系} $$ ├─ 1. 存货管理现状剖析 │ ├─ ◦ 公司概览 │ │ ├─ 发展脉络(时间轴):成立→业务扩张→技术升级 │ │ ├─ 主营领域:商品A/B/C,服务X/Y/Z │ │ └─ 组织架构图: │ │ [采购部]→供应商管理 │ │ [仓储部]→库存控制 │ │ [销售部]→需求响应 │ │ [财务部]→成本核算 │ ├─ ◦ 运作流程详解 │ │ ├─ 采购流程:$Q=\sqrt{\frac{2DS}{H}}$(经济批量模型) │ │ ├─ 库存流程:$周转率=\frac{销售成本}{平均存货}$ │ │ └─ 销售流程:$预测误差率=|\frac{实际-预测}{实际}|\times100\%$ ├─ 2. 现存问题洞察 │ ├─ ◦ 库存失衡 │ │ ├─ 积压:产品C超储$120天^+$,占用资金$\$5.6M$ │ │ └─ 缺货:产品A缺货率$18\%$,月损失$\$230K$ │ ├─ ◦ 周转困境 │ │ ├─ 周转率趋势:2019(4.2)2023(2.8) │ │ └─ 市场误判案例:夏季羽绒服采购超量$30\%$ │ └─ ◦ 成本重压 │ ├─ 仓储成本$\uparrow$22%:租金$\$1.2M$+设备$\$0.4M$ │ └─ 资金成本:库存占用$\$15M$,利率$6.5\%$ ├─ 3. 问题根源追溯 │ ├─ ◦ 供应链上游 │ │ ├─ 供应商交付延迟:平均$7.3天$,$\sigma=2.1$ │ │ └─ 质检不合格率:供应商X达$4.7\%$ │ ├─ ◦ 信息孤岛 │ │ ├─ 数据延迟:采购→仓储需$48小时$ │ │ └─ 系统误差:库存记录差异率$3.4\%$ │ └─ ◦ 策略缺陷 │ ├─ 安全库存模型偏差:理论$1200件$ vs 实际$800件$ │ └─ 补货规则缺失:$63\%$订单无触发阈值 └─ 4. 优化策略构建 ├─ ◦ 技术赋能 │ ├─ IoT部署:RFID覆盖率$\geq90\%$,温控精度$\pm0.5℃$ │ └─ 预测模型:ARIMA$(p=2,d=1,q=1)$,MAPE$=12\%$ ├─ ◦ 协同机制 │ ├─ 跨部门响应时间:从$72h$压缩至$24h$ │ └─ 信息平台集成:ERP+SAP+WMS └─ ◦ 精益实践 ├─ ABC分类:A类(20%SKU,80%价值)每日监控 └─ JIT实施:采购周期从$14天$→$8天$ 生成代码
最新发布
03-15
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