leetcode363 矩形区域不超过 K 的最大数值和

public int maxSumSubmatrix(int[][] matrix, int k) {
        //数组滚动：固定左右边界，只考虑行，在那两行之间组成的矩阵数字最大
        //有点类似官方的解法
        int m = matrix.length;
        int n = matrix[0].length;
        int max = Integer.MIN_VALUE;
        //1、划分左右边界，求出每行总和
        //枚举左右边界
        for (int left = 0; left < n; left++) {//枚举左边界
            int[] rowSum = new int[m];
            for (int rigth = left; rigth < n; rigth++) {//枚举右边界
                for (int i = 0; i < m; i++) {
                    rowSum[i] += matrix[i][rigth];//记录从左边界到右边界的每行和
                }

                //求rowSum数组的连续子数组的和，和尽量大，但是不超过k
                max = Math.max(max, dpmax(rowSum, k));
            }
        }
        return max;
    }

        //2、找出不超过k的矩阵
        private int dpmax(int[] arr,int k) {
            int rollSum = arr[0], rollMax = rollSum;
            // O(rows)
            for (int i = 1; i < arr.length; i++) {
                if (rollSum > 0) rollSum += arr[i];
                else rollSum = arr[i];
                if (rollSum > rollMax) rollMax = rollSum;
            }
            if (rollMax <= k) return rollMax;


            //寻找小于k的最大
            return maxMy(arr,k);
        }

        private int maxMy(int[] rowSum,int k) {
            //暴力求最大值
            int max = Integer.MIN_VALUE;
            for (int up = 0; up < rowSum.length; up++) {
                int sum = 0;
                for (int down = up; down < rowSum.length; down++) {
                    sum += rowSum[down];
                    if (sum > max && sum <= k) max = sum;
                }
            }
            return max;
        }




        /*性能还是不理想
        //动态规划，状态压缩
        //每次更换左上角时就重复利用dp。只记录右下角
        int m=matrix.length;
        int n=matrix[0].length;
        int max=Integer.MIN_VALUE;

        for (int i1=1;i1<=m;i1++){
            for(int j1=1;j1<=n;j1++){
                int[][] dp=new int[m+1][n+1];
                dp[i1][j1]=matrix[i1-1][j1-1];
                for(int i2=i1;i2<=m;i2++){
                    for(int j2=j1;j2<=n;j2++){
                        dp[i2][j2]=dp[i2-1][j2]+dp[i2][j2-1]+matrix[i2-1][j2-1]-dp[i2-1][j2-1];
                        if(dp[i2][j2]<=k&&dp[i2][j2]>max) max=dp[i2][j2];
                    }
                }
            }
        }
        return max;
         */
        /*
        //动态规划:会超时
        int m=matrix.length;
        int n=matrix[0].length;
        int max=Integer.MIN_VALUE;
        int[][][][] dp=new int[m+1][n+1][m+1][n+1];//从i1 j1到i2 j2的矩形
        for (int i1=1;i1<=m;i1++){
            for(int j1=1;j1<=n;j1++){
                dp[i1][j1][i1][j1]=matrix[i1-1][j1-1];
                for(int i2=i1;i2<=m;i2++){
                    for(int j2=j1;j2<=m;j2++){
                        dp[i1][j1][i2][j2]=dp[i1][j1][i2-1][j2]+dp[i1][j1][i2][j2-1]+matrix[i2-1][j2-1]-dp[i1][j1][i2-1][j2-1];
                        if(dp[i1][j1][i2][j2]<=k&&dp[i1][j1][i2][j2]>max) max=dp[i1][j1][i2][j2];
                    }
                }
            }
        }
        return max;
        */
        /*
        //枚举前缀和
        int ans = Integer.MIN_VALUE;
        int m = matrix.length, n = matrix[0].length;
        for(int i=0;i<m;i++){
            //枚举上边界
            int[] sum=new int[n];
            for(int j=i;j<m;j++){
                //枚举下边界
                for(int c=0;c<n;c++){
                    sum[c]+=matrix[j][c];//更新每列的元素和
                }
                TreeSet<Integer> sumSet=new TreeSet<>();
                sumSet.add(0);//为什么有0
                int s=0;
                for(int v:sum){
                    s+=v;//记录总和
//                    s-k的意思是需要抛弃的和
//                    所以s-k只要小于初始值0 : sumSet.add(0)    就不需要抛弃也就是保留当前值
//                    ceil是sumSet中最小被抛弃和（必须大于 s - k 不然条件不成立）
//                    如果没有被能被抛弃的和就不获取ans
//                    如果有就根据当前sum也就是s-ceil获取ans
                    Integer ceiling = sumSet.ceiling(s - k);//用来返回在set为大于或等于给定的元素的最小元素
                    if (ceiling!=null){
                        //存在
                        ans=Math.max(ans,s-ceiling);
                    }
                    sumSet.add(s);
                }
            }
        }
        return ans;

         */