👋 欢迎阅读
🎯 欢迎来到「无重叠区间」题解之旅！ 本文将带你从"移除最少区间使剩余区间互不重叠"这一优化问题出发，深入理解贪心算法 的经典应用，并掌握如何通过按右端点排序 + 一次遍历高效地保留最多区间。
在开始之前，建议你先：
-
了解题目背景 ：这是 LeetCode 435 题，给定若干区间
[start, end]，要求移除最少数量的区间 ，使得剩余区间两两不重叠 （边界接触不算重叠）。本质上，这是一个区间调度 问题------我们希望保留尽可能多的互不重叠区间，移除的数量 = 总区间数 - 最多保留数。 -
明确学习目标 ：掌握贪心选择策略 ------按右端点升序排序 ，然后依次选择结束最早 的区间作为第一个保留区间，之后每次选择起点 >= 上一个选中区间的终点 且终点最小 的区间。理解为什么这种"每次选结束最早"的策略能保留最多的区间（为后续留下更多空间），并熟练实现计数逻辑。
-
准备好环境 ：建议在本地 IDE 或 LeetCode 在线编辑器中打开代码，边看边运行，亲手验证示例（如
intervals = [[1,2],[2,3],[3,4],[1,3]]输出1）。
本文将从问题转化、贪心策略设计（按右端点排序 + 计数）、正确性直觉 到代码实现，层层递进。即使你对贪心算法还不熟悉，我们也会从"先结束的先安排，才能给后面的腾出更多时间 "这一直觉出发，让你轻松抓住核心思想 ------局部最优（每次选结束最早的）即全局最优（保留最多区间）。现在，让我们一起删掉最少的区间，让剩余区间和谐共处吧！ 📅✂️
一、题目
二、做题思路
1. 问题分析（前置分析）
给定一组区间 [start, end]，要求 移除最少数量的区间 ，使得剩余区间 互不重叠 （区间仅在端点接触不算重叠）。
核心转化 ：最少删除数 = 总区间数 - 最多能保留的互不重叠区间数。
核心贪心思想 ：按区间 左端点升序排序 ，依次扫描，当遇到重叠时，保留右端点更小的区间，因为右端点越小，给后续区间留出的空间越大，从而能保留更多区间。
2. 贪心策略（核心决策规则）
-
第一步 ：将
intervals按 左端点升序排序。 -
第二步 ：初始化 当前保留区间 为第一个区间，记录其右端点
right。 -
第三步：从第二个区间开始遍历：
-
若当前区间的 左端点 < 当前保留区间的右端点 （即重叠），则 必须删除其中一个区间。
-
为保留更多区间，删除右端点较大的区间 ，即 保留右端点更小的区间 ：
right = min(right, currentRight)。 -
删除计数
ret++。
-
-
否则，说明 不重叠 ，更新当前保留区间为当前区间 ：
right = currentRight。
-
-
第四步 ：遍历结束后，
ret即为最少删除数。
3. 正确性说明（简单版本）
按左端点排序后，当两个区间重叠时，为了给后续区间腾出更多空间，必须删除右端点较大的那一个 ，因为右端点越大，与后续区间重叠的可能性就越高。每次遇到重叠都选择保留右端点较小的区间，这种 "局部最优" 策略能保证最终保留的区间数量最多，即删除的区间数量最少。这是 区间调度问题 的经典贪心解法，正确性由贪心选择性质保证：每次保留右端点最小的区间，不会影响后续的最优选择。
4. 实现细节（边界防护）
-
先对
intervals排序，时间复杂度 O(n log n)。 -
使用
right记录当前保留区间的右端点，初始为第一个区间的右端点。 -
遍历时，若
a < right（左端点小于当前保留区间的右端点），说明重叠：right = min(right, b)，ret++。
-
若不重叠，则
right = b，更新当前保留区间。 -
若输入为空，直接返回 0（但题目保证
intervals.length >= 1）。
5. 返回值（目标映射）
返回 ret，即 最少需要移除的区间数量。
四、代码
cpp
class Solution
{
public:
int eraseOverlapIntervals(vector<vector<int>>& intervals)
{
// 1. 贪心策略：按区间左端点升序排序，依次扫描，
// 当发现重叠时，删除右端点较大的区间（保留右端点较小的区间），
// 因为右端点越小，留给后续区间的空间越大，从而能保留更多区间。
// 本质是"区间调度"问题，求最少删除数 = 总区间数 - 最多不重叠区间数。
sort(intervals.begin(), intervals.end());
int row = intervals.size();
int col = intervals[0].size(); // 实际上每行都是2列，可省略
int ret = 0; // 记录需要删除的区间数量
int left = intervals[0][0]; // 当前保留区间的左端点（仅用于更新，实际未使用）
int right = intervals[0][1]; // 当前保留区间的右端点（用于比较重叠）
int a = 0, b = 0; // 当前遍历到的区间的左右端点
// 2. 从第二个区间开始遍历
for (int i = 1; i < row; i++)
{
a = intervals[i][0];
b = intervals[i][1];
// 如果当前区间与保留区间重叠（左端点 < 保留区间的右端点），
// 则需要删除其中一个，保留右端点较小的区间。
if (a < right)
{
// 更新右端点为两者较小值（删除右端点较大的区间，保留更小的右端点）
right = min(right, b);
ret++; // 删除一个区间（计数加1）
}
else
{
// 没有重叠，则更新当前保留区间为当前区间
left = a;
right = b;
}
}
// 3. 返回最少需要删除的区间数量
return ret;
}
};五、流程图
六、正确性说明（详细版）
步骤 1：符号与问题建模
+----------------------------------------------------+
| 输入：区间列表 intervals，每个区间 [start, end] |
| 目标：删除最少数量的区间，使剩余区间互不重叠 |
| 注：[1,2] 和 [2,3] 视为不重叠 |
+----------------------------------------------------+
|
v
+----------------------------------------------------+
| 贪心策略：先按左端点升序排序，然后顺序扫描。 |
| 维护当前保留区间的右端点 right。 |
| 遍历下一区间 [a, b]： |
| - 若 a < right（重叠），则删除右端点较大的区间， |
| 即 right = min(right, b)，删除计数 +1。 |
| - 否则（不重叠），更新 right = b，继续。 |
| 贪心实质：**重叠时，保留右端点较小的区间**， |
| 因为结束得早能为后续区间腾出更多空间， |
| 从而保留更多区间，删除更少。 |
+----------------------------------------------------+-
按左端点升序排序，保证后续区间左端点 ≥ 当前区间的左端点。
-
维护当前保留区间的右端点
right，初始为第一个区间的右端点。 -
贪心选择 ：每次遇到新区间时，若其左端点
< right，说明重叠，此时必须删除一个，选择保留右端点较小的那个（即删除右端点较大的），以保证未来空间最大。
步骤 2：关键性质 ------ 贪心选择的正确性（交换论证）
+----------------------------------------------------+
| 性质 1：若两个区间 [l1, r1] 和 [l2, r2] 重叠， |
| 且 l1 ≤ l2，则保留 r 较小的区间不会比保留较大的 |
| 区间更差。 |
| 证明：假设 r1 ≤ r2，若保留 r2 而删除 r1，则 |
| 之后任何与 r1 不重叠但可能与 r2 重叠的区间， |
| 在保留 r1 的方案中仍可被保留（因为 r1 更小）， |
| 因此保留 r1 的方案**至少包含保留 r2 方案的所有 |
| 后续可选区间**，删除数不会更多。 |
+----------------------------------------------------+
|
v
+----------------------------------------------------+
| 性质 2：当 a < right 时，当前区间与保留区间重叠， |
| 必须删除其中一个。保留右端点较小的区间是**唯一 |
| 不会损失后续最优性的选择**。 |
| 反证：若保留较大的右端点，则其覆盖范围更广， |
| 可能阻止更多后续区间被保留，导致删除数增加。 |
| 因此贪心选择必然是最优的。 |
+----------------------------------------------------+详细论证：
-
性质1（重叠时保留更小右端点） ：设当前保留区间为
[l1, r1]，新区间为[l2, r2]，且l1 ≤ l2（排序保证）。若l2 < r1，则二者重叠，必须删除一个。若保留 r1 而删除 r2 （即保留右端点较小的那个），则后续区间只要左端点 ≥ r1 即可不重叠；而若保留 r2（右端点较大），后续区间需要左端点 ≥ r2 才能不重叠，条件更严。因此保留 r1 不会比保留 r2 更差，因为它的结束时间更早，允许更多后续区间加入。 -
性质2（唯一最优选择） ：当
a < right时，当前区间与保留区间重叠，必须至少删除一个。删除右端点较大的那个 （即保留较小的）是唯一能最大化后续可选空间的选择。若删除较小的而保留较大的，则后续可用空间变小，不可能得到更少的删除数。因此贪心选择是安全的。
步骤 3：归纳证明 ------ 扫描过程得到全局最优
+----------------------------------------------------+
| 初始：排序后，保留第一个区间，right = 第一个右端点。|
| 归纳假设：处理完前 i 个区间后，贪心已保留了 |
| 尽可能多的区间（即删除了最少数量的区间）， |
| 且当前保留区间的右端点 right 是所有可行方案中 |
| 最小的（最优的）。 |
+----------------------------------------------------+
|
v
+----------------------------------------------------+
| 处理第 i+1 个区间 [a, b]： |
| - 若 a < right，由性质1，**保留较小右端点**， |
| right = min(right, b)，删除数 +1。 |
| - 否则，不重叠，**保留新区间**，right = b。 |
| 更新后，right 仍然是所有可行方案中最小的， |
| 归纳假设保持。 |
+----------------------------------------------------+
|
v
+----------------------------------------------------+
| 遍历结束后，贪心得到的保留区间数即为最大可能， |
| 删除数 = 总区间数 - 保留数，**达到最小值**。 |
+----------------------------------------------------+详细论证：
-
归纳基础 ：处理第一个区间，保留它，right 为其右端点。显然这是当前唯一方案，最优。
-
归纳步骤 ：假设已处理前
i个区间，贪心算法得到的保留区间集合是所有可行方案中删除数最少 的，且right是所有最优方案中当前保留区间右端点最小 的（即最优的）。现在考虑第i+1个区间[a, b]：-
若
a < right，则与当前保留区间重叠。任何可行方案都必须至少删除当前区间或新区间中的一个 。由性质1，保留右端点较小的那个（即贪心选择）不会比保留较大的更差，且因为right已经是最小可行右端点，更新后right = min(right, b)仍然保持最小。删除数加1，仍是最优。 -
若
a >= right，则不重叠。贪心选择保留新区间 是安全的，因为新区间不会与已保留区间冲突，且保留它不会影响后续最优性（右端点变为b，可能比原先的right大，但这是为了覆盖新区间不得不做的更新；然而在给定已保留区间的前提下，保留新区间是唯一选择，因为若不保留它，就不可能再增加保留数）。此时right = b，仍然是在所有包含这些已保留区间的方案中右端点最小的选择。
-
-
终止 ：遍历完所有区间后，贪心得到的保留区间数量不可能再增加，且由归纳假设每一步都保持最优，因此保留数最大，删除数最小。
🎯 闭幕
🎉 恭喜你完成了「无重叠区间」问题的学习！
为了巩固知识并进一步拓展，建议你：
🚀 动手实践
在 LeetCode 上提交代码，尝试不同的测试用例。
💡 深入思考
-
本题采用 排序 + 贪心 策略：按左端点升序排序后，扫描区间，当发现重叠时（
a < right），保留右端点更小的区间 ，删除右端点较大的区间，从而为后续区间留出更多空间。为什么保留右端点较小者能保证最终保留的区间数量最多？ 如果保留右端点较大者，会有什么后果？ -
贪心策略也可以按 右端点升序 排序来实现（更常见的区间调度写法），本代码按左端点排序与按右端点排序在最终结果上是否等价？ 在时间复杂度上哪个更优？
📚 延伸挑战
- 将题目改为 求最多能保留多少个互不重叠的区间 ，你只需在代码中返回
row - ret即可，试试看。
如果你觉得本文对你有所帮助，欢迎：
👍 点赞 / 收藏
👤 关注作者，获取更多题解
💬 留言交流你的疑问或优化思路
祝你在 算法之路 上越走越稳，早日攻克每一道难题！下次见 🚀✨