贪心算法解决固定长度区间覆盖问题：最少区间数计算

题目描述

给定实直线上的 n 个点和一个固定长度 k 的闭区间，要求选择若干个这样的闭区间（区间起点、终点可任意选择），使得所有点都被区间覆盖，且使用的区间数量最少。最终输出最少需要的区间数。

输入格式

第一行：两个正整数 n（点的数量，n≤10000）和 k（区间固定长度，k≤100）；
第二行：n 个整数，代表 n 个点在实直线上的坐标（可能存在重复点）。

输出格式

一个整数，代表覆盖所有点所需的最少固定长度闭区间数。

解题思路：贪心算法的核心逻辑

要解决 "最少区间覆盖" 问题，贪心算法是最优选择，其核心思想是每次尽可能用一个区间覆盖更多的点，具体步骤如下：

排序点坐标：首先将所有点按坐标从小到大排序。排序是贪心的基础 ------ 只有有序的点，才能保证 "从左到右覆盖" 的逻辑正确性。
初始化区间 ：以排序后的第一个点为起点，构建第一个闭区间 [current, current + k]（current 初始为第一个点的坐标），此时最少区间数 cnt 初始化为 1（至少需要一个区间）。
遍历覆盖点 ：从第二个点开始依次检查每个点：
- 若当前点在当前区间 [current, current + k] 内（即 nums[i] ≤ current + k），则该点已被覆盖，无需新增区间；
- 若当前点超出当前区间（即 nums[i] > current + k），则需要新增一个区间，新区间的起点设为当前点（保证新区间能覆盖该点，且尽可能覆盖后续更多点），同时 cnt 加 1。
输出结果 ：遍历完成后，cnt 即为最少需要的区间数。

完整代码实现

cpp 复制代码

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

/**
 * 计算覆盖所有点所需的最少固定长度闭区间数
 * @param k：固定区间长度
 * @param n：点的数量
 * @param nums：存储点坐标的向量（传入引用避免拷贝开销）
 */
void calculateMinIntervals(int k, int n, vector<int>& nums) {
    // 步骤1：将点按坐标从小到大排序（贪心算法的前提）
    sort(nums.begin(), nums.end());
    
    int min_intervals = 1;  // 最少区间数，至少需要1个
    int current_start = nums[0];  // 第一个区间的起点（从第一个点开始）
    
    // 步骤2：遍历所有点，判断是否需要新增区间
    for (int i = 1; i < n; ++i) {
        // 若当前点超出当前区间的范围（current_start + k 是当前区间的终点）
        if (current_start + k < nums[i]) {
            min_intervals++;  // 新增一个区间
            current_start = nums[i];  // 新区间的起点设为当前点
        }
        // 若当前点在区间内，无需操作
    }
    
    // 输出结果
    cout << min_intervals << endl;
}

int main() {
    int n, k;
    // 输入点的数量和区间长度
    cin >> n >> k;
    
    vector<int> points(n);
    // 输入n个点的坐标
    for (int i = 0; i < n; ++i) {
        cin >> points[i];
    }
    
    // 调用函数计算最少区间数
    calculateMinIntervals(k, n, points);
    
    return 0;
}

代码解析

1. 关键变量说明

min_intervals：记录最少区间数，初始为 1（因为即使只有一个点，也需要一个区间覆盖）；
current_start：当前区间的起点，初始为排序后第一个点的坐标，后续每次新增区间时更新为当前点的坐标；
sort(nums.begin(), nums.end())：排序是核心预处理步骤，确保点按从左到右的顺序处理，避免遗漏或重复覆盖。

2. 核心判断逻辑

复制代码

if (current_start + k < nums[i]) {
    min_intervals++;
    current_start = nums[i];
}

区间的终点是 current_start + k（因为区间长度为 k，闭区间 [current_start, current_start + k] 刚好覆盖长度 k）；
当 nums[i] 大于区间终点时，说明当前点不在当前区间内，必须新增一个区间，且新区间的起点设为 nums[i]（这样能最大限度覆盖后续的点，减少区间总数）。

3. 处理重复点

若输入中存在重复点（如 [2, 2, 3]），排序后重复点会相邻，此时重复点必然在同一个区间内，无需额外处理，代码会自动覆盖。

测试案例与运行结果

案例 1：基础覆盖

复制代码

5 3
1 2 3 4 5

排序后点 ：[1, 2, 3, 4, 5]
过程：

第一个区间 [1, 4]，覆盖 1、2、3、4；
点 5 超出 [1,4]，新增区间 [5, 8]，覆盖 5；
输出：2

案例 2：含负坐标

输入：

复制代码

6 2
-1 0 1 3 4 5

排序后点 ：[-1, 0, 1, 3, 4, 5]
过程：

第一个区间 [-1, 1]，覆盖 -1、0、1；
点 3 超出 [-1,1]，新增区间 [3, 5]，覆盖 3、4、5；
输出：2

案例 3：单个点

输入：

复制代码

1 10
5

过程：仅需一个区间 [5, 15] 覆盖点 5；
输出：1

案例 4：重复点

输入：

复制代码

4 2
2 2 3 5

排序后点 ：[2, 2, 3, 5]
过程：

第一个区间 [2, 4]，覆盖 2、2、3；
点 5 超出 [2,4]，新增区间 [5,7]；
输出：2

算法正确性证明

要证明贪心算法的正确性，需验证其满足贪心选择性质 和最优子结构性质：

1. 贪心选择性质

"每次选择以当前未覆盖点为起点的区间，能覆盖最多后续点" 是最优选择。

假设存在更优的方案：在某个步骤中，没有选择当前未覆盖点 nums[i] 作为新区间起点，而是选择了 nums[i] 左侧的某个点 x（x < nums[i]）作为起点。此时区间 [x, x + k] 虽然能覆盖 nums[i]，但后续点可能仍需新增相同数量的区间（甚至更多），因此该选择不会比 "以 nums[i] 为起点" 更优。

2. 最优子结构性质

若覆盖前 i 个点的最少区间数为 m，则覆盖前 i+1 个点的最少区间数要么是 m（第 i+1 个点在第 m 个区间内），要么是 m+1（第 i+1 个点超出第 m 个区间，需新增区间）。这种 "局部最优解扩展为全局最优解" 的特性，证明了问题具有最优子结构。

综上，该贪心算法能得到全局最优解（最少区间数）。

算法复杂度分析

时间复杂度 ：O(n log n)
主要耗时操作是对 n 个点的排序（O(n log n)），后续遍历点的操作是 O(n)，整体复杂度由排序决定。
空间复杂度 ：O(1)（不含输入存储）
仅使用了 min_intervals、current_start 等常数个变量，空间开销与 n 无关。

总结

本文通过贪心算法解决了固定长度区间覆盖问题，核心是 "排序后从左到右覆盖，每次尽可能覆盖更多点"。代码简洁高效，能处理 n≤10000 的输入规模，且正确性有严格的数学证明支撑。该思路不仅适用于本题，还可推广到 "区间覆盖" 类问题的变种（如区间选点、最长不重叠区间等），是算法学习中的基础经典模型。