本文首发自本人微信公众号:今天你A了吗。每日算法讲解,面试题,冲刺BAT大厂。微信扫码关注吧:
昨天讲了前缀和(一)的内容,相信大家都很有收获,下面再接再厉,我们一起拿下前缀和(二)的内容。其实前缀和(一)讲的是一维前缀和,前缀和(二)将会讲二维前缀和的使用。
一、介绍:什么是二维前缀和
先看图,我们给定了一个3x7的二维整数网格mat。特别地,我们用sum[i][j]表示前i行前j列的网格中元素和,如sum[1][1]表示前一行前一列的元素和,相应的sum[0][1]和sum[1][0]就是0了。
举例计算前缀和:
sum[1][1]=sum[0][1]+sum[1][0]-sum[0][0]+mat[0][0]=0+0-0+1=1
sum[2][1]=sum[1][1]+sum[2][0]-sum[1][0]+mat[1][0]=1+0-0+1=2
sum[1][2]=sum[0][2]+sum[1][1]-sum[0][1]+mat[0][1]=0+1-0+1=2
sum[2][2]=sum[1][2]+sum[2][1]-sum[1][1]+mat[1][1]=2+2-1+1=4
很容易得出,二维前缀和的递推公式:
sum[i][j]=sum[i-1][j]+sum[i][j-1]-sum[i-1][j-1]+mat[i-1][j-1];
二、如何运用二维前缀和
由前缀和(一)我们知道,运用前缀和可以计算任意两个区间之间的元素和;其实二维前缀和也是如此,二维前缀和可以用来计算任意一个子矩形内的元素和。下面举一个例子,让我们看看怎么运用二维前缀和:
如图需要计算绿色矩形部分的元素和:
绿色部分=红色-橙色-蓝色+黄色
注意,红色、橙色、蓝色和黄色部分我们都在第一部分计算出来了,因为它们都是代表着前某行前某列的子矩阵元素和。
如红色部分:sum[3][4]=21、蓝色部分:sum[1][4]=7、橙色部分:sum[3][2]=6、黄色部分:sum[1][2]=2;
最后绿色子矩形部分=sum[3][4]-sum[1][4]-sum[3][2]+sum[1][2]=10
容易想到,子矩阵前缀和的递推公式为:(假设子矩形是一个正方形,它的左上顶点坐标为(i-1,j-1),边长为k) 具体理解可类比示例中的绿色部分子矩阵。
int tmp=sum[i+k-1][j+k-1]-sum[i-1][j+k-1]-sum[i+k-1][j-1]+sum[i-1][j-1];
三、应用
下面通过一个例子说明一下前缀和的作用
leetcode 1292. 元素和小于等于阈值的正方形的最大边长
链接:https://leetcode-cn.com/problems/maximum-side-length-of-a-square-with-sum-less-than-or-equal-to-threshold/
给你一个大小为 m x n 的矩阵 mat 和一个整数阈值 threshold。
请你返回元素总和小于或等于阈值的正方形区域的最大边长;如果没有这样的正方形区域,则返回 0 。
示例 1:
输入:mat = [[1,1,3,2,4,3,2],[1,1,3,2,4,3,2],[1,1,3,2,4,3,2]], threshold = 4
输出:2
解释:总和小于 4 的正方形的最大边长为 2,如图所示。
思路1:首先用递推公式求出所有的二维前缀和,两重循环,时间复杂度为O(n2)。然后以i=1,j=1为子矩阵左上顶点,边长k开始进行枚举子矩阵,三重循环时间复杂度为O(n3)。这其中设置了结果值,用来保存最大的边长,即最后结果。
class Solution {
public int maxSideLength(int[][] mat, int threshold) {
int m=mat.length;
if(m==0)return 0;
int n=mat[0].length;
//第一步,计算前缀和,其中sum[i][j]表示前i行前j列的矩形元素和
int[][] sum=new int[m+1][n+1];
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
sum[i][j]=sum[i-1][j]+sum[i][j-1]-sum[i-1][j-1]+mat[i-1][j-1];
}
}
// 枚举左上顶点,然后试边长k
int res=0;
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
for(int k=1;i+k-1<=m&&j+k-1<=n;k++){
int tmp=sum[i+k-1][j+k-1]-sum[i-1][j+k-1]-sum[i+k-1][j-1]+sum[i-1][j-1];
if(tmp<=threshold){
res=Math.max(res,k);
}
}
}
}
return res;
}
}
思路2:使用二分查找 + 前缀和进行优化
为什么能用二分查找呢?
在题目中,我们发现矩阵中的元素都是正数,也就是说以某个上顶点开始,随着矩阵边长的扩大,矩阵元素和是递增的,即按照我们的枚举思路,子矩阵元素和是单调递增的,所以我们可以用二分法来查找最终的边长值。下面我们结合具体代码和注释理解理解这个解法吧。
时间复杂度分析:二重循环O(n)*二分查找O(logn)=O(n^2logn)
最终时间复杂度为O(n^2logn)。
class Solution {
public int maxSideLength(int[][] mat, int threshold) {
int m=mat.length;
if(m==0)return 0;
int n=mat[0].length;
//第一步,计算前缀和,sum[i][j]表示前i行前j列的矩形元素和
int[][] sum=new int[m+1][n+1];
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
sum[i][j]=sum[i-1][j]+sum[i][j-1]-sum[i-1][j-1]+mat[i-1][j-1];
}
}
//二分查找最终的边长值
//我们知道,当结果值为4时,3必满足条件,指针右移;
// 5不满足条件,指针左移;最后指针会指向4
int left=0,right=Math.min(m,n)+1,mid;
while(left<right){
mid=left+(right-left)/2;
if(valid(sum,threshold,mid)){
left=mid+1;
}else{
right=mid;
}
}
return left-1;
}
//判断是否满足条件
public boolean valid(int[][] sum,int threshold,int k){
int m=sum.length-1;
int n=sum[0].length-1;
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
if(i+k-1>m||j+k-1>n)continue;
int tmp=sum[i+k-1][j+k-1]-sum[i-1][j+k-1]-sum[i+k-1][j-1]+sum[i-1][j-1];
if(tmp<=threshold){
return true;
}
}
}
return false;
}
}
四、相关题目
面试题 17.24 最大子矩阵 https://leetcode-cn.com/problems/max-submatrix-lcci/