Leetcode(240)——搜索二维矩阵 II

Leetcode(240)——搜索二维矩阵 II

题目

编写一个高效的算法来搜索 m ∗ n m*n mn 矩阵 matrix 中的一个目标值 target 。该矩阵具有以下特性:

  • 每行的元素从左到右升序排列。
  • 每列的元素从上到下升序排列。

题解

方法一:直接查找

思路

​​  直接遍历整个矩阵 matrix \textit{matrix} matrix,判断 target \textit{target} target 是否出现即可。

代码实现
class Solution {
public:
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        for (const auto& row: matrix) {
            for (int element: row) {
                if (element == target) {
                    return true;
                }
            }
        }
        return false;
    }
};
复杂度分析

时间复杂度: O ( N ∗ M ) O(N*M) O(NM) ,其中 N N N M M M 都为矩阵边长
空间复杂度: O ( 1 ) O(1) O(1)

方法二:单行或单列的二分查找

思路

​​​​  看到有序,第一反应就是二分查找。最直接的做法,一行一行或一列一列的进行二分查找即可。
​​  此外,结合有序的性质,一些情况可以提前结束。(代码实现没写这些情况)
  ​​  1. ​​比如某一行的第一个元素大于了 target ,当前行和后边的所有行都不用考虑了,直接返回 false。
  ​​  ​​2. 某一行的最后一个元素小于了 target ,当前行就不用考虑了,换下一行。

​​  1. 由于矩阵 matrix \textit{matrix} matrix 中每一行和每一列的元素都是升序排列的,所以每一行和每一列都是有序的
​​  2. 因此我们可以对每一行都使用一次二分查找,判断 target \textit{target} target 是否在该行中,从而判断 target \textit{target} target 是否出现。当然也可以选择对每一列使用一次二分查找。

代码实现
class Solution {
public:
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        for (const auto& row: matrix) {
        	// 下面介绍两个 STL 算法的原理都是二分查找,且都假设数组有序
        	// lower_bound 是 STL 算法库的一个算法,返回迭代器指向范围 [begin, end) 中
        	// 首个不小于(即大于或等于)给定值的元素的迭代器,或若找不到这种元素则返回 end
        	// upper_bound 是 STL 算法库的一个算法,返回迭代器指向范围 [begin, end) 中
        	// 首个大于给定值的元素的迭代器,或若找不到这种元素则返回 end
            auto it = lower_bound(row.begin(), row.end(), target);	
            if (it != row.end() && *it == target){
                return true;
            }
        }
        return false;
    }
};
复杂度分析

时间复杂度: O ( m log ⁡ n ) O(m\log n) O(mlogn) m m m 表示行个数, n n n 表示列个数,对每一行使用二分查找的时间复杂度为 O ( log ⁡ n ) O(\log n) O(logn),最多需要进行 m m m 次二分查找
空间复杂度: O ( 1 ) O(1) O(1)

方法三:矩形整体的二分查找(一种特殊的“二分”查找)

思路

​​  我们都知道,二分查找的思想就是,将目标值和待查找的有序数组的中心值进行比较,然后可以少查找一半的元素。
​​  而这道题,待查找的目标不是有序数组,而是一个”特殊的“有序矩阵——每行的元素从左到右升序排列,每列的元素从上到下升序排列(即以某个值为右下角的矩阵的其它值都比该值要小以该值为左上角的矩阵的其它值都比该值要大
​​  如果我们找到矩阵的中心值,然后就可以和目标值比较,看能少查找哪些元素。

在这里插入图片描述
如果 target = 10,此时中心值小于目标值,左上角矩形中所有的数都小于目标值,我们可以丢弃左上角的矩形,继续从剩下三个矩形中寻找
如果 target = 5,此时中心值大于目标值,右下角矩形中所有的数都大于目标值,那么我们可以丢弃右下角的矩形,继续从剩下三个矩形中寻找

在这里插入图片描述

  • 可以用递归的形式去写,递归出口的话,当矩阵中只有一个元素,直接判断当前元素是不是目标值即可。
  • 还有就是分割的时候可能越界,比如原矩阵只有一行,左下角和右下角的矩阵其实是不存在的,按照上边的坐标公式计算出来后,我们要判断一下是否越界
代码实现
class Solution {
	// 2 dimension binary search
private:
	bool binary_search_matrix(vector<vector<int>>& matrix, int target, int m_1, int m_2, int n_1, int n_2) {
		// check border
		if (m_1 > m_2 || n_1 > n_2) {
			return false;
		}
		if (m_2 - m_1 <= 1 && n_2 - n_1 <= 1) {
			return target == matrix[m_1][n_1] || 
				target == matrix[m_2][n_1] || 
				target == matrix[m_1][n_2] ||
				target == matrix[m_2][n_2];
		}

		int m_mid = (m_1 + m_2) >> 1, n_mid = (n_1 + n_2) >> 1;
		// 中心值是否等于目标值
		if (target == matrix[m_mid][n_mid]) {
			return true;
		}
		else if (target < matrix[m_mid][n_mid]) {
			return binary_search_matrix(matrix, target, m_1, m_mid - 1, n_mid + 1, n_2) ||//up-right 
				binary_search_matrix(matrix, target, m_mid + 1, m_2, n_1, n_mid - 1) ||//down-left
				binary_search_matrix(matrix, target, m_1, m_mid, n_1, n_mid); //up-left
		}
		else {//target > matrix[m_mid][n_mid]
			return binary_search_matrix(matrix, target, m_1, m_mid - 1, n_mid + 1, n_2) ||//up-right 
				binary_search_matrix(matrix, target, m_mid + 1, m_2, n_1, n_mid - 1) ||//down-left
				binary_search_matrix(matrix, target, m_mid, m_2, n_mid, n_2); //down-right
		}
	}
public:
	bool searchMatrix(vector<vector<int>>& matrix, int target) {
		return binary_search_matrix(matrix, target, 0, matrix.size() - 1, 0, matrix[0].size() - 1);
	}
};
复杂度分析

时间复杂度: O ( m + n ) O(m + n) O(m+n) m m m 表示行个数, n n n 表示列个数
空间复杂度: O ( 1 ) O(1) O(1)

方法四:Z 字形查找(二分排序树思想)

思路

​​  数组从左到右和从上到下都是升序的,如果从右上角出发开始遍历呢?
​​  会发现每次都是向左数字会变小,向下数字会变大,有点和二分查找树相似。二分查找树的话,是向左数字变小,向右数字变大。

​​  我们可以从矩阵 matrix \textit{matrix} matrix 的右上角 ( 0 , n − 1 ) (0, n-1) (0,n1) 进行搜索。在每一步的搜索过程中,如果我们位于位置 ( x , y ) (x, y) (x,y),那么我们希望在以 matrix \textit{matrix} matrix 的左下角为左下角、以 ( x , y ) (x, y) (x,y) 为右上角的矩阵中进行搜索,即行的范围为 [ x , m − 1 ] [x, m - 1] [x,m1],列的范围为 [ 0 , y ] [0, y] [0,y]

  • 如果 matrix [ x , y ] = target \textit{matrix}[x, y] = \textit{target} matrix[x,y]=target ,说明搜索完成;
  • 如果 matrix [ x , y ] > target \textit{matrix}[x, y] > \textit{target} matrix[x,y]>target ,由于每一列的元素都是升序排列的,那么在当前的搜索矩阵中,所有位于第 y y y 列的元素都是严格大于 target \textit{target} target 的,因此我们可以将它们全部忽略,即将 y y y 减少 1 1 1
  • 如果 matrix [ x , y ] < target \textit{matrix}[x, y] < \textit{target} matrix[x,y]<target ,由于每一行的元素都是升序排列的,那么在当前的搜索矩阵中,所有位于第 x x x 行的元素都是严格小于 target \textit{target} target 的,因此我们可以将它们全部忽略,即将 x x x 增加 1 1 1

​​  在搜索的过程中,如果我们超出了矩阵的边界,那么说明矩阵中不存在 target \textit{target} target

代码实现
class Solution {
public:
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        int m = matrix.size(), n = matrix[0].size();
        int x = 0, y = n - 1;
        while (x < m && y >= 0) {
            if (matrix[x][y] == target) {
                return true;
            }
            if (matrix[x][y] > target) {
                --y;
            }
            else {
                ++x;
            }
        }
        return false;
    }
};

​​  通过缓存一下 matrix[x][y],每个循环可以减少一次 operator[](){} 的调用,总体算下来可以快不少。
​​  因为 matrix 是 vector 不是内置数组, vector 的 [] 运算符不是内置要释放,所以就不是简单的地址偏移了。它实际上调用了 std::vector<T, Allocator>::operator[] ,是函数调用。

class Solution {
public:
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        int Y = matrix[0].size();
        int x = matrix.size() - 1;
        int y = 0;
        while (x > -1 && y < Y) {
            int t = matrix[x][y];
            if (t == target) {
                return true;
            }
            if (t > target) {
                --x;
            } else {
                ++y;
            }
        }
        return false;
    }
};
复杂度分析

时间复杂度: O ( m + n ) O(m+n) O(m+n) m m m 表示行个数, n n n 表示列个数,在搜索的过程中,如果我们没有找到 target \textit{target} target,那么我们要么将 y y y 减少 1 1 1,要么将 x x x 增加 1 1 1。由于 ( x , y ) (x, y) (x,y) 的初始值分别为 ( 0 , n − 1 ) (0, n-1) (0,n1),因此 y y y 最多能被减少 n n n 次, x x x 最多能被增加 m m m 次,总搜索次数为 m + n m + n m+n。在这之后, x x x y y y 就会超出矩阵的边界
空间复杂度: O ( 1 ) O(1) O(1)

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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