连续N辆车的编号从1到N. 一个人拍摄汽车的M照片。对于每张照片，出现在其中的汽车由元组（i，j）给出，这意味着从第i辆汽车到第j辆汽车的所有汽车都将出现在该照片中。
请注意，所有照片都不需要覆盖每辆车。汽车可以出现在多张照片中。
每张照片都包含正好1 的紫色汽车。找到可能的紫色车的最大数量。如果不可能打印-1。
输入：第一行包含N和M.下一行包含M对（x，y），它们代表包含从第x辆车到第0辆车的汽车的照片。 输出：可能的紫色车辆的最大数量。
示例：
输入：
5 1
（3 5）
输出：3
说明：只有一辆3到5的车可以是紫色的。汽车1和汽车2将是紫色的，以最大化紫色汽车的数量。
输入：
5 1
（4 4）
输出：5
输入：
5 3
（1 4），（3 5），（3,4）
输出：1
说明：3或4可以是紫色车。
输入：
5 2
（1,4），（2,5）
输出：2
说明：Car 1和Car 5可以是紫色。
输入：
10 3
（1 5），（6,10），（1,10）
输出： - 1
说明：在这种情况下，每个区间都不可能只有一辆紫色车。
答案 0 :(得分：1)
如果我没有弄错的话，问题可以解决为网络问题如下。
网络的节点集具有源节点s和终端t;想象最左边位置的水槽和最右边的终端，流程从左到右。在s旁边为每辆车放置一个节点，并将s连接到每辆车。汽车节点旁边为每个间隔创建一个节点。现在从汽车节点开始，创建t的路径，遍历间隔节点集;路径经过包含汽车的每个区间。
除了s和t之外，每个节点中的流量都被限制为1，每个区间的1汽车必须是紫色的;弧明确地不需要受到约束。最后通过一些网络流算法，最大化从s到t的流量强度。为每个车辆的紫色着色，其节点具有非零流量。如果实例不允许可行流，则初始问题实例是不可行的。
答案 1 :(得分：1)
请注意，如果有一张完全由另一张照片覆盖的照片，我们只需关心外部照片（无关紧要）。
第二次观察：
目前，在删除所有已覆盖的照片后（如上所述），我们将留下这样的案例：
我们有n张照片，可以分为几组，每组都是一组m张照片：(a1, b1) , (a2, b2) ... , (am, bm) a1 < a2 and b1 > a2 ... or ai < a(i + 1) and bi > a(i + 1)
我们注意到，如果我们为第一张照片选择第一辆紫色汽车在(a1, a2)范围内，并且继续以这种方式选择汽车（第一个尚未覆盖的范围），它总是最佳的任何车）。证明：
(a1, a2)范围内的汽车，那么可以选择的下一辆车将在(b1 , bm)范围内，否则，如果我们选择其他车辆（范围(a2,b1)），选择下一辆车的范围将是更小的范围（平凡看到），因此，选择范围(a1, a2)中的车将获得最佳结果。如果我们实施扫描线算法，时间复杂度将 O（m log m）
注意：此算法仅在照片集有效时有效，否则我们需要检查其有效性。
更新：正如PeterdeRivaz指出的那样，我们需要处理一个特例：当有两张或更多照片时，两张照片都覆盖了一张照片，因此，我们需要加入所有这些照片