253. Meeting Rooms II

Given an array of meeting time intervals consisting of start and end times [[s1,e1],[s2,e2],...] (si < ei), find the minimum number of conference rooms required.

Example 1:

Input: [[0, 30],[5, 10],[15, 20]]
Output: 2

Example 2:

Input: [[7,10],[2,4]]
Output: 1

M1：排序
把interval的start和end取出来，并分别对start时间排序，end时间排序。设置res, end两个变量，对intervals进行遍历，如果starts[i] < ends[end]，说明需要新房间，res++；否则，说明一个会议已经结束，可以安排在当前房间，不需要新房间，end++。（start, end都是有时间顺序的，所以一个end之前必然存在一个对应的start）

Time Complexity: O(N) Space Complexity: O(N)

class Solution {
    public int minMeetingRooms(Interval[] intervals) {
        int[] starts = new int[intervals.length];
        int[] ends = new int[intervals.length];
        for(int i = 0; i < intervals.length; i++) {
            starts[i] = intervals[i].start;
            ends[i] = intervals[i].end;
        }
        Arrays.sort(starts);
        Arrays.sort(ends);
        int res = 0, end = 0;
        for(int i = 0; i < intervals.length; i++) {
            if(starts[i] < ends[end])
                res++;
            else
                end++;
        }
        return res;
    }
}

M2：用min heap
首先对intervals排序，按开始时间。用min heap记录merged intervals最小的结束时间。将intervals[0]加入heap。从intervals[1]开始，通过heap.poll()取到最早结束的会议，如果当前会议的开始时间大于(晚于)最早结束的会议的结束时间，说明可以继续用这个房间，不需要新的房间，因此合并两个interval(interval.end = intervals[i].end)，反之则需要新的房间，在heap中加入当前interval，最后要记得把之前通过poll取出来比较的元素加回去。heap的大小就是最终结果。

时间 O(NlogN) 空间 O(1)

class Solution {
    public int minMeetingRooms(Interval[] intervals) {
        if (intervals == null || intervals.length == 0) return 0;
        Arrays.sort(intervals, (a, b) -> a.start - b.start);
        
        PriorityQueue<Interval> heap = new PriorityQueue<Interval>(intervals.length, (a, b) -> a.end - b.end);
        heap.offer(intervals[0]);
    
        for (int i = 1; i < intervals.length; i++) {
            Interval interval = heap.poll();
            if (intervals[i].start >= interval.end)
                interval.end = intervals[i].end;
            else
                heap.offer(intervals[i]);
        
            heap.offer(interval);
        }
        return heap.size();
    }
}