FTPrep, 74 Search a 2D Matrix

很漂亮的一道题，binary search的典型变体。个人觉得考察的点就是，binary search的最终结束状态的left 和right 在哪里！！再次体现了，right这个坐标的重要属性：即这个right最终的index位置是小于target的最大值！或者说left在target左边，right在target的右边。怕记混的话，就只要举一个例子，当left和right相邻时，比如在 index 4 & 5 的位置，所指的值分别是 10 & 20， target的话就3种情况，5， 15， 25。right的最终值是，越左界，4，5。这和上述结论就是一致的。更加形象的例子就是，left 和 right 都是辛勤的小蜜蜂，都想接近全力去找到target，只要有机会（能够往右跳也能够往左跳，就都会跳）就一定会跳，直到没有机会条了。也就是说，left只能往右移动，right只能往左移动，最终结束时，都是left跳到target右边，right跳到target左边！这样理解的话就可以很直接判断left和right的最终状态。

代码

class Solution {
    public boolean searchMatrix(int[][] matrix, int target) {
        if(matrix.length==0 || matrix[0].length==0) return false;
        int low=0, high=matrix.length-1;
        while(low<=high){
            int mid= low+(high-low)/2;
            if(target==matrix[mid][0]) return true;
            else if(target>matrix[mid][0]) low=mid+1;
            else high=mid-1;
        }
        if(high==-1) return false;
        int left=0, right=matrix[0].length-1;
        while(left<=right){
            int mid= left+(right-left)/2;
            if(target==matrix[high][mid]) return true;
            else if(target>matrix[high][mid]) left=mid+1;
            else right =mid-1;
        }
        return false;
    }
}

思路总结：
1，第一列的binary search，确定行的index，那么col index 就一直是0
2，在目标行进行binary search，那么row index 就一直是 high

之后又思考了复杂度，时间复杂度是 logN + log M, 不是 logN*LogM哦，因为确定了一行后，只要对该行进行binary search

那么如果把这个matrix stretch 成一个sorted array，用binary search，时间复杂度是  log（N*M），其实也是一样的。

嗯，这个有点意思，也make sense，因为是 divide & conquer 中的 divide 策略 确定了第一个搜索范围。