题目地址:https://leetcode.com/problems/max-sum-of-sub-matrix-no-larger-than-k/#/description
题目描述:Given a non-empty 2D matrix matrix and an integer k, find the max sum of a rectangle in the matrix such that its sum is no larger than k.
我的代码:
class Solution {
public:
int maxSumSubarray(vector<int> &nums,int k){
int sum = INT_MIN,b=0,n=nums.size();
set<int> sm;
sm.insert(0);
for(int i=0;i<n;i++){
b+=nums[i];
auto it = sm.lower_bound(b-k);
if(it!=sm.end()&&b-*it>sum) sum=b-*it;
sm.insert(b);
}
return sum;
}
int maxSumSubmatrix(vector<vector<int>>& matrix, int k) {
int sum = INT_MIN, n =matrix.size(),m=matrix[0].size();
for(int i=0;i<n;i++){
vector<int> sumcol;
sumcol.clear();
for(int i=0;i<m;i++)sumcol.push_back(0);
for(int j=i;j<n;j++){
for(int k=0;k<m;k++) sumcol[k]+=matrix[j][k];
int max0=maxSumSubarray(sumcol,k);
if(max0>sum) sum = max0;
}
}
return sum;
}
};
解题思路:
首先介绍一些基本知识:
一、求数组的连续子串和的最大值的方法:
int maxsubsumarrray(int* a,int n){
int sum=INT_MIN,b=0;
for(int i=0;i<n;i++){
if(b<0) b=a[i];
else b+=a[i];
if(b>sum)sum = b;
}
return sum;
}
该方法使用动态规划,复杂度为O(n);
二、求二维矩阵的连续子矩阵和的最大值:
当确定了子矩阵的行(ri行到rj行),可将其转化为对列的一维情形下求最大连续子串和,而子矩阵的行有n^2种情况,所以总复杂度为O(n^2*m).
int maxsubsummatrix(vector<vector<int>> matrix){
int n=matrix.size(),m=matrix[0].size(),sum=INT_MIN;
int b[m];
for(int i=0;i<n;i++){
for(int j<0;j<m;j++) b[j]=0;
for(int j=i;j<n;j++){
for(int k=0;k<m;k++) b[k]+=matrix[j][k];//转化成一维。
int m = maxsubsumarray(b,m);
if(m>sum) sum=m;
}
}
return sum;
}
三、求数组的连续子串和的不大于k的最大值的方法:
与直接求最大值相比,这里多了一个上限k。很显然,之前的动态规划在这里并不适用。不过可以将其稍加变化,用sum[i]表示前i个数的和,显然,从i到j的子串和是sum[j]-sum[i-1];我们所求的是sum[j]-sum[i-1]<=k的最大值,而对于动态规划,可固定j,即求sum[i-1]>=sum[j]-k的最小值,因此,可以用集合或树或堆等数据结构进行优化,每一步找到这个最小值即可。查找的复杂度为O(logn),所以总复杂度为O(nlogn).
四、求二维矩阵的连续子矩阵和的小于k的最大值:
这就是这个题目的内容。很显然的,我们可以将其转化成一维,然后求解,复杂度为O(n^2*mlogm)。