<LeetCode OJ> 74. / 240. Search a 2D Matrix (I / II)

Write an efficient algorithm that searches for a value in an m x n matrix. This matrix has the following properties:

  • Integers in each row are sorted from left to right.
  • The first integer of each row is greater than the last integer of the previous row.

For example,

Consider the following matrix:

[
  [1,   3,  5,  7],
  [10, 11, 16, 20],
  [23, 30, 34, 50]
]

Given target = 3, return true.


分析:

因为有序所以对每一行进行二分查找
没找到就跳到下一行,如果都跳完了就返回false,否则true

注意二分截止条件和移动条件

class Solution {
public:
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        int row=matrix.size();//行  
        int col=matrix[0].size();  
  
        for(int i=0;i<row;i++)//对每一行进行二分查找  
        {  
            int low=0,high=col-1;  
            //不可能在此行找到,此处算是一个小小的优化条件
            if(matrix[i][high]<target)
                continue;
            //在此行查找    
            while(low <= high)//注意此处条件是根据low和high的移动情况来定的  
            {  
                int mid=(low+high)/2;  
                if(matrix[i][mid] > target)//说明在中间位置的右边  
                    high=mid-1;  
                else if(matrix[i][mid] < target)  
                    low=mid+1;  
                else  
                    return true;  
            }  
        }  
        return false; 
    }
};






Write an efficient algorithm that searches for a value in an m x n matrix. This matrix has the following properties:

  • Integers in each row are sorted in ascending from left to right.
  • Integers in each column are sorted in ascending from top to bottom.

For example,

Consider the following matrix:

[
  [1,   4,  7, 11, 15],
  [2,   5,  8, 12, 19],
  [3,   6,  9, 16, 22],
  [10, 13, 14, 17, 24],
  [18, 21, 23, 26, 30]
]

Given target = 5, return true.

Given target = 20, return false.


分析:

因为有序所以对每一行进行二分查找
没找到就跳到下一行,如果都跳完了就返回false,否则true

注意二分截止条件和移动条件

class Solution {
public:
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        int row=matrix.size();//行
        int col=matrix[0].size();

        for(int i=0;i<row;i++)//对每一行进行二分查找
        {
            int low=0,high=col-1;
            while(low <= high)//注意此处条件是根据low和high的移动情况来定的
            {
                int mid=(low+high)/2;
                if(matrix[i][mid] > target)//说明在中间位置的右边
                    high=mid-1;
                else if(matrix[i][mid] < target)
                    low=mid+1;
                else
                    return true;
            }
        }
        return false;
    }
};

适当优化一下(有一些行可以直接跳过):

class Solution {
public:
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        int row=matrix.size();//行  
        int col=matrix[0].size();  
        for(int i=0;i<row;i++)//对每一行进行二分查找  
        {  
            int low=0,high=col-1;  
            //不可能在此行找到
            if(matrix[i][high]<target)
                 continue;
            //在此行查找    
            while(low <= high)//注意此处条件是根据low和high的移动情况来定的  
            {  
                int mid=(low+high)/2;  
                if(matrix[i][mid] > target)//说明在中间位置的右边  
                    high=mid-1;  
                else if(matrix[i][mid] < target)  
                    low=mid+1;  
                else  
                    return true;  
            }  
        }  
        return false; 
    }
};


学习别人的算法(比上面的更快):

从行的后面开始找,一旦遇到比目标值小的直接跳行,并且目标值一定只会出现在未来所有列的左边(如果存在的话)

class Solution {
public:
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        int row=matrix.size(), col=matrix[0].size();
        int i=0, j=col-1;
        while (i<row && j>=0) 
        {
            if (matrix[i][j]==target) 
                return true;
            else if (matrix[i][j]<target) //直接跳行
                i++;
            else 
                j--;
        }
        return false;
    }
};


注:本博文为EbowTang原创,后续可能继续更新本文。如果转载,请务必复制本条信息!

原文地址:http://blog.csdn.net/ebowtang/article/details/50688468

原作者博客:http://blog.csdn.net/ebowtang

### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值