我想要做的是有效地处理间隔。例如，在我的示例中，间隔如下所示：
[10, 20], [15, 25], [40, 100], [5, 14]
间隔是关闭的和整数，有些间隔可能会过度。我想找到给定查询的重叠间隔有效。例如，如果给出[16, 22]：
[10, 20], [15, 25]
上述间隔应按计算间隔计算。
我目前正在编写一个基于红黑树的区间树（参考：CLRS，算法简介）。虽然找到所有重叠间隔可以是O（n），但运行时间应该更快。请注意，可以删除并插入间隔。
但是，我刚发现Boost有interval_map和interval_set：
http://www.boost.org/doc/libs/1_46_1/libs/icl/doc/html/index.html
我试过了，但这种行为对我来说很奇怪。例如，如果先插入[2, 7]，然后插入[3, 8]，则生成的地图将包含[2, 3)，[3, 7]和(7, 8]。也就是说，当插入新的间隔时，会自动完成分割。
我可以关闭此功能吗？或者，Boost的interval_map适合我的目的？
答案 0 :(得分：4)
您要求的数据结构可以有效地找到重叠。这样做，通过在数据结构中存储重叠。现在你似乎在抱怨它已经这样做了。
这个例子解释了逻辑：
typedef std::set<string> guests;
interval_map<time, guests> party;
party += make_pair(interval<time>::right_open(time("20:00"), time("22:00")),
guests("Mary"));
party += make_pair(interval<time>::right_open(time("21:00"), time("23:00")),
guests("Harry"));
// party now contains
[20:00, 21:00)->{"Mary"}
[21:00, 22:00)->{"Harry","Mary"} //guest sets aggregated on overlap
[22:00, 23:00)->{"Harry"}
添加两个重叠间隔时，实际上会创建三个具有不同属性的间隔。重叠在两个原始间隔中，使其与原始间隔中的任一个具有逻辑上不同的间隔。现在，两个原始区间跨越了具有不同属性的时间（一些与原始区域重叠，一些不与原始区域重叠）。这种分裂使得查找重叠变得高效，因为它们是地图中它们自己的间隔。
无论如何，Boost允许您选择interval combining style。因此，如果您想强制使用更难找到重叠的结构，您可以这样做。
答案 1 :(得分：1)
我认为你可以使用interval_map<int, set<discrete_interval<int> > >。每当您想要添加时间间隔I时，只需将make_pair(I, II)添加到地图中，其中II是仅包含set的{{1}}。因此，对于上面的示例，您可以这样做：
I请注意，强化文档表明#include <iostream>
#include <boost/icl/interval_map.hpp>
using namespace boost::icl;
typedef std::set<discrete_interval<int> > intervals;
intervals singleton(const discrete_interval<int> &value) {
intervals result = { value };
return result;
}
int main() {
interval_map<int, intervals> mymap;
discrete_interval<int> i1 = discrete_interval<int>(2, 7);
discrete_interval<int> i2 = discrete_interval<int>(3, 8);
mymap.add(make_pair(i1, singleton(i1)));
mymap.add(make_pair(i2, singleton(i2)));
for (int i = 0; i < 10; ++i) {
std::cout << "i: " << i << ", intervals: " << mymap(i) << std::endl;
}
}
interval_map std::set std::set的效率不高，位于this page的底部。因此，这表明您可能希望编写自己的集合概念实现，或者使用与{{1}}不同的实现。
答案 2 :(得分：1)
我尝试了boost interval_map和interval_set。它们效率很低。设置成本非常高，因为实现基本上将每个子区间（交集）映射到包含它的所有区间。
我认为基于红黑树的CLRS“算法简介”中的实现要好得多。奇怪的是，即使std :: set和std :: map基于RB树，也没有允许扩充的红黑树实现。