千问 LeetCode 1851.包含每个查询的最小区间 public int[] minInterval(int[][] intervals, int[] queries)

这道题是经典的离线查询（Offline Query）配合优先队列（PriorityQueue）的题目。

核心思路

如果我们对每个查询都遍历一遍所有区间，时间复杂度是 O(Q times N)，会超时。我们需要利用排序和堆来优化。

策略：
1. 排序（离线处理）：
* 将 intervals 按左端点从小到大排序。
* 将 queries 按查询值从小到大排序（但要保留原始索引，以便最后还原结果）。

2. 优先队列（最小堆）：
* 我们需要快速找到包含当前查询点且长度最小的区间。
* 堆中存储候选区间。堆顶始终是长度最小的区间。
* 堆中的元素可以是 {区间长度, 区间右端点}。

3. 滑动窗口思想：
* 随着查询值从小到大增加，我们只需要不断往堆里添加新的区间（左端点 le 当前查询值）。
* 同时，我们需要从堆里移除那些已经“过期”的区间（右端点 a[0] - b[0]);

// 2. 处理查询
// 创建一个新的数组存储 {查询值, 原始索引}
int[][] sortedQueries = new int[queries.length][2];
for (int i = 0; i a[0] - b[0]);

int[] res = new int[queries.length];
// 默认结果为 -1
Arrays.fill(res, -1);

// 3. 最小堆
// 存储 {区间长度, 区间右端点}
// 按照区间长度升序排列
PriorityQueue pq = new PriorityQueue((a, b) -> a[0] - b[0]);

int intervalIdx = 0; // 指向 intervals 的指针

// 4. 遍历每个查询（从小到大）
for (int[] q : sortedQueries) {
int queryVal = q[0];
int originalIdx = q[1];

// A. 将所有左端点 = 2，无需清理。
* 结果：堆顶长度 3。

3. 处理 q=3：
* 入堆：[3,6] (len=4)。堆：{3,4}, {4,4}, {4,6}。
* 清理：堆顶右端点 4 >= 3，无需清理。
* 结果：堆顶长度 3。

4. 处理 q=4：
* 入堆：[4,4] (len=1)。堆：{1,4}, {3,4}, {4,4}, {4,6}。
* 清理：堆顶右端点 4 >= 4，无需清理。
* 结果：堆顶长度 1。

5. 处理 q=5：
* 入堆：无更多区间。
* 清理：
* 堆顶 {1,4}，右端点 4 = 5，停止。
* 结果：堆顶长度 4。

最终结果：[3, 3, 1, 4]。