第三世界的妖孽1. 算法训练营第三十天实战解析
今天要啃下LeetCode上三道经典的贪心算法题目：452.用最少数量的箭引爆气球、435.无重叠区间、763.划分字母区间。这三道题在面试中出现频率极高，也是检验是否真正掌握贪心思想的试金石。我在刷题过程中发现，很多同学卡在"如何证明贪心策略的正确性"这一关，接下来我会用工程化的思维拆解解题过程。
1.1 贪心算法核心思想
贪心算法的本质是"局部最优导致全局最优"，但难点在于如何确定这个"局部最优"的选择标准。以区间问题为例，常见的排序维度有：
- 按起点升序
- 按终点升序
- 按区间长度
对于这三道题，终点升序排列往往是解题关键。举个例子，在引爆气球问题中，如果我们按气球的终点排序，那么每支箭都尽可能射在当前最靠左的终点位置，这样能最大化覆盖后续气球。
重要提示：贪心算法的正确性通常需要数学归纳法证明，但在面试中能够给出合理说明即可。实际刷题时建议先验证几个测试用例。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. LeetCode 452. 用最少数量的箭引爆气球
2.1 问题重述
在二维空间中有若干个气球，每个气球的直径范围是[xstart, xend]。一支箭可以垂直射出，只要x坐标在气球的直径范围内，气球就会被引爆。求最少需要多少支箭才能引爆所有气球。
输入：points = [[10,16],[2,8],[1,6],[7,12]]
输出：2
2.2 解题思路拆解
这道题的贪心策略可以分为四个步骤：
- 将所有区间按照右端点升序排序
- 初始化箭的位置为第一个区间的右端点
- 遍历后续区间：
- 如果当前区间包含箭的位置，跳过
- 否则用新箭射在当前区间的右端点，计数+1
- 返回箭的总数
关键点在于：为什么选择右端点排序？因为这样能保证每支箭尽可能覆盖更多后续区间。想象一下，如果选择左端点排序，可能会在前面的区间浪费箭。
2.3 代码实现与优化
Python标准解法：
python复制def findMinArrowShots(points):
if not points:
return 0
points.sort(key=lambda x: x[1])
arrows = 1
first_end = points[0][1]
for x_start, x_end in points:
if x_start > first_end:
arrows += 1
first_end = x_end
return arrows
时间复杂度分析：
- 排序：O(nlogn)
- 遍历：O(n)
- 总体：O(nlogn)
空间复杂度：O(1) （如果允许修改原数组）
踩坑记录：注意处理空输入的情况。我在第一次提交时忽略了边界条件，导致测试用例[]时报错。
3. LeetCode 435. 无重叠区间
3.1 问题描述
给定一个区间集合，找到需要移除区间的最小数量，使剩余区间互不重叠。
输入：intervals = [[1,2],[2,3],[3,4],[1,3]]
输出：1 （移除[1,3]后其他区间无重叠）
3.2 解题策略对比
这道题与452题看似相似，实则考察角度不同。这里有两种贪心思路：
方案A（与452题类似）：
- 按右端点排序
- 记录非重叠区间数
- 总区间数减去非重叠数即为需要移除的数量
方案B（动态规划）：
- 按左端点排序
- dp[i]表示前i个区间的最大不重叠数
- 时间复杂度O(n²)，不推荐
显然方案A更优。关键在于理解：保留更多的非重叠区间等价于移除更少的区间。
3.3 代码实现细节
Python实现：
python复制def eraseOverlapIntervals(intervals):
if not intervals:
return 0
intervals.sort(key=lambda x: x[1])
count = 1
end = intervals[0][1]
for interval in intervals[1:]:
if interval[0] >= end:
count += 1
end = interval[1]
return len(intervals) - count
常见错误：
- 混淆了区间比较条件（应该是>=而不是>）
- 忘记处理空输入的情况
- 错误计算需要移除的数量（应该是总数-保留数）
4. LeetCode 763. 划分字母区间
4.1 问题特点分析
这道题与前两道风格不同，属于字符串处理与贪心结合的类型。要求将字符串划分为尽可能多的片段，使得每个字母最多出现在一个片段中。
输入：S = "ababcbacadefegdehijhklij"
输出：[9,7,8] （划分成"ababcbaca", "defegde", "hijhklij"）
4.2 解题关键突破点
解决这个问题需要两个核心步骤：
- 统计每个字母最后出现的位置
- 遍历时维护当前片段的边界
例如字母a的最后位置是8，那么第一个片段至少要包含到第8个字符。当遍历到8时，如果所有之前字母的最后位置都不超过8，则可以划分。
4.3 完整实现与测试
Python解决方案：
python复制def partitionLabels(S):
last = {c: i for i, c in enumerate(S)}
start = end = 0
res = []
for i, c in enumerate(S):
end = max(end, last[c])
if i == end:
res.append(end - start + 1)
start = i + 1
return res
时间复杂度：O(n)，只需要两次遍历
空间复杂度：O(1)，因为字母表大小固定
调试技巧：可以先用小例子测试，比如"abac"应该返回[3,1]。我在最初实现时忽略了更新start的位置，导致结果错误。
5. 贪心算法问题通用解法总结
通过这三道题，我们可以提炼出解决区间类贪心问题的通用模式：
-
排序阶段：
- 确定排序维度（通常按起点或终点）
- 考虑是否需要处理特殊情况（如空输入）
-
遍历阶段：
- 初始化关键变量（如计数、边界等）
- 设计合理的比较条件
- 注意边界条件的处理
-
验证阶段：
- 用简单测试用例验证（如2-3个元素的输入）
- 检查极端情况（空输入、全等区间等）
对于面试准备，建议将这三道题作为一组来练习，比较它们的异同点。我在准备大厂面试时发现，面试官常常会连续问这几道题，考察候选人是否能举一反三。
6. 常见错误与调试技巧
6.1 区间端点比较错误
在452和435题中，区间比较时容易混淆开闭区间。例如：
- 引爆气球问题中，箭可以等于xstart或xend
- 无重叠区间问题中，[1,2]和[2,3]不算重叠
建议在代码注释中明确写出比较条件，避免混淆。
6.2 排序维度选择错误
我曾尝试用起点排序解决引爆气球问题，结果发现需要更复杂的逻辑。经验是：
- 需要覆盖最多后续区间时，用终点排序
- 需要处理区间合并时，用起点排序
6.3 边界条件处理
三道题都需要考虑：
- 空输入处理
- 单元素输入处理
- 全等区间的情况
7. 性能优化与进阶思考
7.1 算法优化空间
虽然这些问题的标准解法已经最优，但可以思考：
- 如果区间已经部分排序，如何利用这一信息？
- 并行计算是否可能？（对于极大区间集合）
7.2 实际工程应用
这类算法在以下场景有实际应用：
- 日历调度系统（会议室安排）
- 任务调度优化
- 资源分配问题
例如，引爆气球问题可以转化为"如何用最少的监控摄像头覆盖所有路段"。
8. 测试用例设计指南
为了验证代码正确性，建议设计以下几类测试用例：
-
常规情况：
- 452：[[10,16],[2,8],[1,6],[7,12]] → 2
- 435：[[1,2],[2,3],[3,4],[1,3]] → 1
- 763："ababcbacadefegdehijhklij" → [9,7,8]
-
边界情况：
- 空输入
- 单元素输入
- 所有区间相同
-
极端情况：
- 大量重复区间
- 超大范围区间
9. 同类题目推荐与扩展
为了巩固贪心算法，建议继续练习：
- 406.根据身高重建队列
- 605.种花问题
- 122.买卖股票的最佳时机II
这些题目都体现了"局部最优导致全局最优"的思想，但应用场景各不相同。我在刷完这些题后发现，贪心算法的难点不在于编码，而在于如何识别问题适用贪心策略。