Leetcode 240. Search a 2D Matrix II

---

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(n^1.58)， 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(n^log3) = O(n^1.58)

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

$$T(n \times n) = 3 T(n/2 \times n/2) + O(1)$$

因此，我们可以写出最后的式子

$$T(n \times n) = 3^{logn} T(1\times 1)+O(1)$$

也即复杂度为 $O(n^{log3}) = O(n^{1.58})$。

---

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)