Leetcode 240. Search a 2D Matrix II
本文记录了四种解法,复杂度分别为 O(n2),O(nlogn),O(n1.58), O(m+n)
其实关键就是后两种,一种是分治法的应用,另一种是最优解,可以直接跳到最后去
题目
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.
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
.
Solution with O(n2)
这是最简单的思路,可以写到O(n2),实际中做一些简单的优化可以达到比n2快一些的速度。
class Solution {
public:
bool searchMatrix(vector<vector<int>>& matrix, int target) {
int m = matrix.size();
if (m <= 0) return false;
int n = matrix[0].size();
if (n <= 0) return false;
for (int i = 0; i < n; i++) {
if (matrix[0][i] <= target && matrix[m-1][i] >= target) {
for (int j = 0; j < m; j++) {
if (matrix[j][i] == target) return true;
}
}
else if (matrix[0][i] > target) return false;
}
return false;
}
};
分析
思路很简单,先按照列来寻找,对每列的第一个元素matrix[0][i]
进行判断
- 如果这个元素大于我们的目标
target
,那么说明这一列要超过我们的目标,并且可以舍弃之后的所有列; - 如果这个元素小于等于我们的目标,那么说明我们的目标有可能存在于这一列中,我们可以遍历这一列的所有元素来寻找我们的目标
target
。
明显,这样的复杂度是O(n2)
Solution with O(nlogn)
class Solution {
public:
bool searchMatrix(vector<vector<int>>& matrix, int target) {
int m = matrix.size();
if (m <= 0) return false;
int n = matrix[0].size();
if (n <= 0) return false;
for (int i = 0; i < n; i++) {
if (matrix[0][i] <= target && matrix[m-1][i] >= target) {
int front = 0, end = m-1;
while (front < end) {
int mid = (front + end) / 2;
if (matrix[mid][i] > target) end = mid;
else if (matrix[mid][i] < target) front = mid + 1;
else front = end = mid;
}
if (front == end && matrix[front][i] == target) return true;
}
else if (matrix[0][i] > target) return false;
}
return false;
}
};
分析
其实和上面的思路是相同的,只不过把遍历每一列的步骤换成了使用二分查找来查找元素,因此内层的复杂度变成了log(n)。所以总体的复杂度就变成了O(nlogn)。
Solution with O(nlog3) = O(n1.58)
class Solution {
public:
bool searchMatrix(vector<vector<int>>& matrix, int target) {
int m = matrix.size();
if (m <= 0) return false;
int n = matrix[0].size();
if (n <= 0) return false;
return searchRecursion(matrix, target, m-1, 0, 0, n-1);
}
bool searchRecursion(vector<vector<int>>& matrix, int target,
int low, int up,
int left, int right) {
if (low == up && left == right) return matrix[low][left] == target;
if (low < up || left > right || up < 0 || left < 0) return false;
int midW = (left + right) / 2, midH = (low + up) / 2;
if (matrix[midH][midW] < target) {
return searchRecursion(matrix, target, midH-1, up, midW+1, right) || // zone 2
searchRecursion(matrix, target, low, midH+1, left, midW) || // zone 3
searchRecursion(matrix, target, low, midH, midW+1, right); // zone 4
} else if (matrix[midH][midW] > target) {
return searchRecursion(matrix, target, midH-1, up, left, midW-1) || // zone 1
searchRecursion(matrix, target, midH-1, up, midW, right) || // zone 2
searchRecursion(matrix, target, low, midH, left, midW-1); // zone 3
}
return true;
}
};
分析
这是一种使用分治法的典型策略,首先把矩阵划分为以下的四部分
zone 1 zone 2
* * * * | * * * *
* * * * | * * * *
* * * * | * * * *
* * * * | * * * *
-----------------------
* * * * | * * * *
* * * * | * * * *
* * * * | * * * *
* * * * | * * * *
zone 3 zone 4
明显可以发现,处于 zone 1 的元素是最小的那一批,处于 zone 4 的元素是最大的那一批。
我们每次比较处于矩阵正中间的元素center
,可以分以下的情况
center > target
,那么我们可以去除 zone 4 部分的元素center < target
,那么我们可以去除 zone 1 部分的元素center = target
,返回true
所以每次都可以将问题的规模至少降低1/4
因此此问题可以通过这样的递归来解决
function search
if center < target
search(zone2)
search(zone3)
search(zone4)
elseif center > target
search(zone1)
search(zone2)
search(zone3)
else
return true
对于问题的复杂度,我们可以写出这样的递推式
因此,我们可以写出最后的式子
也即复杂度为 O(nlog3)=O(n1.58) O ( n l o g 3 ) = O ( n 1.58 ) 。
Solution with O(m+n)
class Solution {
public:
bool searchMatrix(vector<vector<int>>& matrix, int target) {
int m = matrix.size();
if (m <= 0) return false;
int n = matrix[0].size();
if (n <= 0) return false;
int i = 0, j = n - 1;
while (i < m && j >= 0) {
if (matrix[i][j] == target) return true;
if (matrix[i][j] < target) i++;
else j--;
}
return false;
}
};
分析
这个方法是最优化的办法,达到了O(n)的水平
大致思路是这样的
- 找一个指针从右上角开始
- 如果当前元素比
target
大,那么指针向左移动一个元素的位置 - 如果当前元素比
target
小,那么指针向下移动一个元素的位置 - 如果当前元素等于
target
,那么返回true
- 若当前位置超过矩阵的范围,那么说明不存在,可以返回
false
这样找下去,不会出现回头的情况,如果存在那么一定能找到,是可以用数学方法证明的(并不难,可以在纸上写写画画就出来了,我就不写在这里了,读者可以试一试)。
很明显了,用时最多是走过两条边的长度,也即O(m+n)