题目描述
给你一个 m x n
的二进制矩阵 grid
,每个格子要么为 0
(空)要么为 1
(被占据)。
给你邮票的尺寸为 stampHeight x stampWidth 。我们想将邮票贴进二进制矩阵中,且满足以下 限制 和 要求 :
- 覆盖所有 空 格子。
- 不覆盖任何 被占据 的格子。
- 我们可以放入任意数目的邮票。
- 邮票可以相互有 重叠 部分。
- 邮票不允许 旋转 。
- 邮票必须完全在矩阵 内 。
如果在满足上述要求的前提下,可以放入邮票,请返回 true ,否则返回 false 。
做题情况
- 做出来且思路与标答一致
- 做出来但思路较为复杂 ☑
- 有思路,但时间复杂度较高无法通过
- 没有思路
自己的想法:
主体自己思考的其实是对的,即大方向上面,这点自己还是比较欣慰的,但是还是差一点,就是自己知道要分为两个阶段,也知道第一个阶段用到的知识(二维前缀和),但第二个阶段用到的差分数组不是很会(看完自己也思考了很久),所以说这道题自己做到了能做到的最好。
一点不是很满意的是,在之后复现的时候,因为边界问题重新算了很多次,导致浪费了很多时间,这一点是需要反思避免的。
标答:
这道题其实就是经典的前缀和和差分的应用。
对于两个数组A和B:
A:3 5 2 1 8 10 3 4
B:3 2 -3 -1 7 2 -7 -1
A数组是B数组的前缀和数组,B数组是A数组的差分数组。
前缀和即为当前元素以及当前元素之前的所有元素之和,差分数组为当前元素和前一个元素的差,两者第一个元素均为实际代表的元素。
确实,两者完完全全的是逆运算的关系。
不过感觉应用起来还是有差别的,就像在这道题中,用前缀和像是先求好,再应用,差分更像是一种减少复杂度的分摊,即先加减,最终再求得结果,再应用。
同时这个题把这两者都上升到了二维的应用场景,这个也没什么可多说的。
对于边界条件,前缀和需要再最开始加一个空位,而差分需要再最开始和最后面加一个空位,边界条件一定要搞清楚,很多情况两者处理的方式是不同的。
实际代码
class Solution {
public:
bool possibleToStamp(vector<vector<int>>& grid, int stampHeight, int stampWidth)
{
int m = grid.size();
int n = grid[0].size();
//前缀和还是比较好求的,先求这个吧。
vector<vector<int>> sum(m + 1, vector<int>(n + 1, 0));
for (int i = 1; i <= m; ++i)
{
for (int j = 1; j <= n; ++j)
{
sum[i][j] = grid[i - 1][j - 1] + sum[i - 1][j] + sum[i][j - 1] - sum[i - 1][j - 1];
}
}
vector<vector<int>> diff(m + 2, vector<int>(n + 2, 0));
for (int i = 0; i + stampHeight - 1 < m; ++i)
{
for (int j = 0; j + stampWidth - 1 < n; ++j)
{
if (sum[i + stampHeight][j + stampWidth] - sum[i][j + stampWidth] - sum[i + stampHeight][j] + sum[i][j] == 0)
{
diff[i + 1][j + 1]++;
diff[i + stampHeight + 1][j + stampWidth + 1]++;
diff[i + stampHeight + 1][j + 1]--;
diff[i + 1][j + stampWidth + 1]--;
}
}
}
for (int i = 1; i <= m; ++i)
{
for (int j = 1; j <= n; ++j)
{
diff[i][j] = diff[i][j] + diff[i - 1][j] + diff[i][j - 1] - diff[i - 1][j - 1];
if (diff[i][j] <= 0 && grid[i - 1][j - 1] == 0)
{
return false;
}
}
}
return true;
}
};
总结
总的来说这个题的处理自己还是比较满意的,希望自己再接再厉!希望之后在遇到二维差分,可以果断的写出来。