力扣.2054. 两个最好的不重叠活动

2054. 两个最好的不重叠活动

给你一个下标从 0 开始的二维整数数组 events ,其中 events[i] = [startTimei, endTimei, valuei]。第 i 个活动开始于 startTime[i],结束于 endTime[i] ,如果你参加这个活动,那么你可以得到价值value[i]。你 最多 可以参加 两个时间不重叠活动,使得它们的价值之和 最大 。请你返回价值之和的 最大值 。

注意:活动的开始时间和结束时间是 包括 在活动时间内的,也就是说,你不能参加两个活动且它们之一的开始时间等于另一个活动的结束时间。更具体的,如果你参加一个活动,且结束时间为 t ,那么下一个活动必须在 t + 1 或之后的时间开始。

在这里插入图片描述

思路:

这个其实是一个比较典型的优先队列的贪心问题,可以先按活动开始的时间进行一个升序排序。遍历一遍,那么怎么选择第二个活动,要使得第二个活动与第一个活动不会重叠,所以第二个活动的开始时间一定要一定要大于第一个活动的结束时间。我们可以用一个小根堆,存下每一个活动的结束时间和活动的价值,不满足条件就pop掉,在所有情况中取一个最大值。

由于至多可以选两个活动,我们可以对活动排序,枚举其中一个活动的价值并求出其余不重叠活动的最大价值,二者相加的最大值即为答案。为了方便统计另一个活动的最大价值,我们可以对活动排序,有两种排序策略:

  • 按开始时间排序
  • 按结束时间排序

如果按开始时间排序,那么对于一个活动而言,结束时间小于该活动开始时间的活动必然不会与该活动重叠,因此我们可以用一个优先队列(小根堆)存储活动的结束时间和价值,这样就能在遍历活动的同时,不断从堆顶弹出小于当前活动开始时间的活动,并维护这些活动的最大价值。

如果按结束时间排序,如果是从前往后扫描活动,对于每个活动,我们需要知道小于该活动开始时间的所有活动的最大价值。但是开始时间不是有序的,最大价值不好维护。如果是从后往前扫描活动就可以做,做法同上,用大根堆存储活动的开始时间和价值。

优先队列:

priority_queue 默认的是大根堆

  • 小根堆

     //降序,小顶堆
     priority_queue <int,vector<int>,greater<int> > q;
    
  • 大根堆

     //降序队列,大顶堆
     priority_queue <int,vector<int>,less<int> >q;
    

代码:

class Solution {
public:
    typedef pair<int, int> PII;
    int maxTwoEvents(vector<vector<int>>& events) {
        int pre_max = INT_MIN, res = INT_MIN;
        sort(events.begin(), events.end());
        priority_queue<PII, vector<PII>, greater<PII>> q;//小根堆
        for (auto& x : events) {
            int end = x[1], val = x[2];
            q.push({end, val});
        }

        for (int i = 0; i < events.size(); i++) {
            int start = events[i][0], val = events[i][2];
            while (q.size() && q.top().first < start) {
                auto x = q.top(); q.pop();
                pre_max = max(pre_max, x.second);
            }
            res = max({val, res, pre_max + val});
        }
        return res;
    }
};
### 力扣热门100题列表 力扣(LeetCode)上的热门题目通常是指那些被广泛讨论、高频面试或者具有较高难度的题目。这些题目涵盖了数据结构和算法的核心知识点,适合用来提升编程能力和解决实际问题的能力。 以下是基于社区反馈整理的部分 **LeetCode Hot 100 Problems List**: #### 数组与字符串 1. Two Sum (两数之和)[^1] 2. Longest Substring Without Repeating Characters (无重复字符的最长子串)[^2] 3. Median of Two Sorted Arrays (两个有序数组的中位数)[^1] 4. Container With Most Water (盛最多水的容器)[^2] #### 链表 5. Reverse Linked List (反转链表) 6. Merge Two Sorted Lists (合并两个有序链表) 7. Remove Nth Node From End of List (删除倒数第N个节点) 8. Linked List Cycle II (环形链表II) #### 堆栈与队列 9. Valid Parentheses (有效的括号) 10. Min Stack (最小栈) 11. Sliding Window Maximum (滑动窗口最大值)[^2] #### 树与二叉树 12. Binary Tree Inorder Traversal (二叉树的中序遍历) 13. Validate Binary Search Tree (验证二叉搜索树) 14. Same Tree (相同的树) 15. Serialize and Deserialize Binary Tree (序列化与反序列化二叉树) #### 图论 16. Number of Islands (岛屿数量) 17. Course Schedule (课程表) 18. Clone Graph (克隆图) #### 排序与搜索 19. Find First and Last Position of Element in Sorted Array (在排序数组中查找元素的第一个和最后一个位置) 20. Search a 2D Matrix (二维矩阵搜索) 21. K Closest Points to Origin (最接近原点的K个点) #### 动态规划 22. Climbing Stairs (爬楼梯) 23. House Robber (打家劫舍)[^1] 24. Coin Change (零钱兑换) 25. Unique Paths (同路径) #### 贪心算法 26. Jump Game (跳跃游戏)[^1] 27. Non-overlapping Intervals (无重叠区间) 28. Best Time to Buy and Sell Stock (买卖股票的最佳时机)[^1] #### 字符串匹配与处理 29. Implement strStr() (实现strStr()) 30. Longest Consecutive Sequence (最长连续序列) 31. Group Anagrams (分组异位词) --- ### 示例代码片段 以下是一个关于动态规划的经典例子——`Climbing Stairs` 的 Python 实现: ```python class Solution: def climbStairs(self, n: int) -> int: if n == 1 or n == 2: return n dp = [0] * (n + 1) dp[1], dp[2] = 1, 2 for i in range(3, n + 1): dp[i] = dp[i - 1] + dp[i - 2] return dp[n] ``` 上述代码通过动态规划的方式解决了 `Climbing Stairs` 问题,时间复杂度为 \(O(n)\),空间复杂度同样为 \(O(n)\)[^1]。 --- ###
评论 1
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

万伏小太阳

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