👋 欢迎阅读
🎯 欢迎来到「合并区间」题解之旅！ 本文将带你从“将重叠区间合并成不重叠区间”这一数组处理问题出发，深入理解排序 + 一次遍历的经典解法，并掌握如何通过按左端点排序、动态维护右端点高效完成合并。
在开始之前，建议你先：
-
了解题目背景：这是 LeetCode 56 题，给定若干区间
[start, end]，要求合并所有重叠的区间，返回一个恰好覆盖所有输入区间的不重叠区间数组。本质上，我们需要先排序让相邻区间有序，再通过贪心合并——若当前区间与上一个合并后的区间有重叠，则更新右端点为二者最大值；否则直接加入结果集。 -
明确学习目标：掌握排序 + 一次遍历的核心流程——按区间左端点升序排序，维护一个结果列表，依次遍历区间并判断是否与最后一个区间重叠（
当前start <= 上一end），重叠则合并（更新end = max(end, 当前end)），不重叠则加入。理解这种贪心合并策略的正确性（排序后只需考虑相邻区间，局部合并即可得到全局结果），并熟练处理边界情况（如空数组、只有一个区间、完全包含的区间等）。 -
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 = [[1,3],[2,6],[8,10],[15,18]]输出[[1,6],[8,10],[15,18]]）。
本文将从问题转化、排序合并策略设计、代码实现到复杂度分析，层层递进。即使你对区间处理还不熟悉，我们也会从“按起点排好队，一个个看能不能接上”这一直觉出发，让你轻松抓住核心思想——排序之后，所有需要合并的区间一定是相邻的，所以只需一趟扫描就能完成合并。现在，让我们一起把重叠的区间“粘合”起来，合并成最简洁的结果吧！ 📏🔗
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 合并所有重叠的区间，返回一个 不重叠 的区间数组，使其 恰好覆盖输入中的所有区间。
核心贪心思想：先按照区间 左端点升序排序，这样所有可能重叠的区间都会相邻。然后 顺序扫描，维护一个当前合并区间，若下一个区间的左端点 ≤ 当前合并区间的右端点，则 合并（更新右端点为两者最大值）；否则，断开，将当前合并区间存入结果，并开始新区间。
2. 贪心策略（核心决策规则）
-
第一步：将
intervals按 左端点升序排序（若左端点相同，按右端点升序，但本题左端点排序已足够）。 -
第二步：初始化 当前合并区间 为第一个区间，记录其
left和right。 -
第三步：从第二个区间开始遍历：
-
若当前区间的 左端点 ≤ 当前合并区间的右端点，说明有重叠，合并：
right = max(right, currentRight)。 -
否则，说明无重叠，将当前合并区间存入结果，并 更新当前合并区间为当前遍历到的区间。
-
-
第四步：遍历结束后，将最后一个合并区间加入结果。
3. 正确性说明（简单版本）
按左端点排序后，所有可能重叠的区间一定连续排列在一起。因此，顺序扫描时，若当前区间的左端点 ≤ 当前合并区间的右端点，则它们必然重叠，必须合并。若左端点 > 右端点，则由于后续区间的左端点 ≥ 当前区间的左端点，它们也不可能与当前合并区间重叠，因此可以安全断开，开始新区间。这种 “能合并就合并” 的贪心策略不会遗漏任何重叠情况，最终得到的是互不重叠且覆盖完整的区间集合，是全局最优解。
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
left和right维护当前合并区间的左右端点，初始为第一个区间的端点。 -
遍历时，比较
a <= right判断是否重叠，其中a是当前区间的左端点。 -
若不重叠，将
{left, right}加入结果，并 更新left = a, right = b。 -
遍历结束后，务必加入最后一个合并区间（循环内未处理最后一段）。
-
若输入为空，需要特殊处理（但题目保证
intervals.length >= 1）。
5. 返回值（目标映射）
返回 ret，即 合并后的不重叠区间数组。
四、代码
class Solution
{
public:
vector<vector<int>> merge(vector<vector<int>>& intervals)
{
// 1. 先按区间左端点升序排序，保证后续合并只需顺序扫描
sort(intervals.begin(), intervals.end());
int row = intervals.size();
int col = intervals[0].size();
vector<vector<int>> ret; // 存储合并后的区间
// 初始化当前合并区间的左右端点（第一个区间的左右端点）
int left = intervals[0][0];
int right = intervals[0][1];
// 2. 从第二个区间开始遍历（因为第一个已作为初始合并区间）
for (int i = 1; i < row; i++)
{
int a = intervals[i][0]; // 当前区间的左端点
int b = intervals[i][1]; // 当前区间的右端点
// 如果当前区间的左端点 <= 当前合并区间的右端点，说明有重叠，需要合并
if (a <= right)
{
// 合并后右端点取两者最大值（左端点因为排序已经确保 a >= left，所以左端点不变）
right = max(right, b);
}
else
{
// 否则没有重叠，将当前合并区间加入结果集，并开始新的合并区间
vector<int> value;
value.push_back(left);
value.push_back(right);
ret.push_back(value);
// 新合并区间初始化为当前区间
left = a;
right = b;
}
}
// 3. 将最后一个合并区间加入结果集（循环中最后一段未加入）
vector<int> value;
value.push_back(left);
value.push_back(right);
ret.push_back(value);
// 4. 返回合并后的区间列表
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：合并所有重叠区间，返回不重叠的区间列表 |
+----------------------------------------------------+
|
v
+----------------------------------------------------+
| 贪心策略：先按左端点升序排序，然后顺序扫描。 |
| 维护当前合并区间 [left, right]。 |
| 遍历下一区间 [a, b]： |
| - 若 a <= right（重叠），则合并 right = max(right,b)|
| - 否则（不重叠），将 [left,right] 加入结果， |
| 新合并区间设为 [a, b]。 |
| 贪心实质：**排序后，若当前区间与合并区间重叠**， |
| 则合并它一定是最优的（因为所有后续区间左端点更大，|
| 不会影响已作出的合并决策）。 |
+----------------------------------------------------+
-
按左端点升序排序，保证后续区间左端点 ≥ 当前区间左端点。
-
维护一个当前合并区间
[left, right]，初始为第一个区间。 -
贪心选择：每次遇到新区间时，若其左端点 ≤ 当前右端点，说明重叠，必须合并；否则无法再与当前区间重叠，当前区间可封存。
步骤 2：关键性质 —— 贪心选择的正确性（反证法）
+----------------------------------------------------+
| 性质 1：排序后，若当前区间 [a,b] 与合并区间 |
| [left,right] 满足 a <= right，则二者必然重叠， |
| 且合并后的区间为 [left, max(right,b)]。 |
| 反证：若不合并，则最终结果中这两个区间将分别存在，|
| 但它们的并集是连续的，合并不会影响其他区间， |
| 因此不合并只会使区间数增多，不可能更优。 |
+----------------------------------------------------+
|
v
+----------------------------------------------------+
| 性质 2：若 a > right，则当前区间与合并区间以及 |
| 之前所有已处理区间均不重叠。 |
| 证明：之前所有区间的右端点 ≤ right（因为合并区间 |
| 右端点是已处理区间右端点的最大值），而 a > right，|
| 所以 a 大于之前所有区间的右端点，**不可能重叠**。 |
| 因此可以安全地将当前合并区间加入结果。 |
+----------------------------------------------------+
详细论证：
-
性质1（重叠必须合并）：当
a <= right时，当前区间[a,b]与合并区间[left,right]有交集（因为a <= right且left <= a）。如果不合并，则两个区间在最终结果中会分开存在，但它们实际上覆盖了一个连续范围，合并后不会影响任何其他区间（因为其他区间要么左端点更大，要么已被处理）。因此合并是安全的，且能使区间数更少，必然更优。 -
性质2（不重叠则安全封存）：当
a > right时，由于所有已处理区间的右端点都不超过right（right是已处理区间的右端点最大值），而a大于right，所以当前区间的左端点大于所有已处理区间的右端点。这意味着当前区间与之前所有区间都无重叠。因此可以放心地将[left,right]加入结果，并开始新的合并区间。
步骤 3：归纳证明 —— 扫描过程得到全局最优
+----------------------------------------------------+
| 初始：排序后，合并区间为第一个区间。 |
| 归纳假设：处理完前 i 个区间后，已加入结果的区间 |
| 互不重叠且覆盖了前 i 个区间的并集，当前合并区间 |
| 是剩余未封存区间的并集。 |
+----------------------------------------------------+
|
v
+----------------------------------------------------+
| 处理第 i+1 个区间 [a,b]： |
| - 若 a <= right，由性质1，合并，right 更新。 |
| - 否则，由性质2，将当前合并区间封存，开始新区间。 |
| 归纳假设保持。 |
+----------------------------------------------------+
|
v
+----------------------------------------------------+
| 遍历结束后，将最后的合并区间加入结果。 |
| 最终结果覆盖所有区间，且互不重叠，即为最优解。 |
+----------------------------------------------------+
详细论证：
-
归纳基础：处理前，结果为空，合并区间为第一个区间，显然覆盖了已处理的1个区间。
-
归纳步骤：假设已处理前
i个区间，结果中的区间互不重叠且覆盖了前i个区间的并集，当前合并区间[left,right]是前i个区间中尚未封存部分的并集（即最右侧可能继续扩展的区间）。考虑第i+1个区间[a,b]（排序后a >= left）：-
若
a <= right，说明新区间与当前合并区间重叠，合并后右端点变为max(right,b)，新合并区间覆盖了前i+1个区间的并集，且结果中的区间仍互不重叠（因为封存部分未变）。 -
若
a > right，由性质2，新区间与当前合并区间及之前所有区间均不重叠。因此将当前合并区间封存到结果中，新的合并区间设为[a,b]。结果中的区间仍互不重叠，且覆盖了前i+1个区间的并集。
-
-
终止：遍历所有区间后，将最后一个合并区间加入结果。最终结果满足互不重叠且覆盖所有区间，贪心解即为最优解（因为每次合并决策都是强制或最优的，没有其他选择能减少区间总数）
🎯 闭幕
🎉 恭喜你完成了「合并区间」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 + 贪心合并 策略：先按区间左端点升序排序，然后依次判断当前区间是否与已合并区间重叠，若重叠则扩展右端点，否则保存并开启新区间。为什么按左端点排序后，只需要和“当前合并区间”比较，而无需与更早的区间比较？
-
代码中判断重叠的条件是
a <= right，这表示当前区间左端点 ≤ 已合并区间右端点。如果a == right也算重叠吗？ 示例 2 中[1,4]和[4,5]合并为[1,5]，说明相等情况确实需要合并，代码中的<=是正确的。
📚 延伸挑战
-
如果区间是 左闭右开
[start, end)，合并逻辑需要改变吗？
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 🚀✨
扫一扫
333
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
