Given two sparse matrices A and B, return the result of AB.
You may assume that A's column number is equal to B's row number.
Example:
A = [ [ 1, 0, 0], [-1, 0, 3] ] B = [ [ 7, 0, 0 ], [ 0, 0, 0 ], [ 0, 0, 1 ] ] | 1 0 0 | | 7 0 0 | | 7 0 0 | AB = | -1 0 3 | x | 0 0 0 | = | -7 0 3 | | 0 0 1 |
这道题让我们实现稀疏矩阵相乘,稀疏矩阵的特点是矩阵中绝大多数的元素为0,而相乘的结果是还应该是稀疏矩阵,即还是大多数元素为0,那么我们使用传统的矩阵相乘的算法肯定会处理大量的0乘0的无用功,所以我们需要适当的优化算法,使其可以顺利通过OJ,我们知道一个 i x k 的矩阵A乘以一个 k x j 的矩阵B会得到一个 i x j 大小的矩阵C,那么我们来看结果矩阵中的某个元素C[i][j]是怎么来的,起始是A[i][0]*B[0][j] + A[i][1]*B[1][j] + ... + A[i][k]*B[k][j],那么为了不重复计算0乘0,我们首先遍历A数组,要确保A[i][k]不为0,才继续计算,然后我们遍历B矩阵的第k行,如果B[K][J]不为0,我们累加结果矩阵res[i][j] += A[i][k] * B[k][j]; 这样我们就能高效的算出稀疏矩阵的乘法
public class SparseMatrixMultiplication {
public int[][] multiply(int[][] A, int[][] B) {
int row = A.length, col = B[0].length;
int[][] res = new int[row][col];
for (int i = 0; i < row; i++) {
for (int k = 0; k < A[0].length; k++) {
if (A[i][k] != 0) {
for (int j = 0; j < B[0].length; j++) {
if (B[k][j] != 0) {
res[i][j] += A[i][k] * B[k][j];
}
}
}
}
}
return res;
}
public static void main(String[] args) {
int[][] A = new int[][] {{1, 0, 0}, {-1, 0, 3}};
int[][] B = new int[][] {{7, 0, 0}, {0, 0, 0},{0, 0, 1}};
SparseMatrixMultiplication ts = new SparseMatrixMultiplication();
int[][] res = ts.multiply(A, B);
System.out.println(Arrays.deepToString(res));
}
}