【二分查找】leetcode 240. 搜索二维矩阵 II

本文介绍了三种在有序二维矩阵中寻找目标值的方法:暴力解法、二分查找和Z字形查找。暴力解法遍历所有元素,时间复杂度为O(nm);二分查找对每行进行查找,时间复杂度为O(mlogn);Z字形查找从右上角开始,时间复杂度为O(m+n)。每种方法都具有不同的时间和空间效率特点。
摘要由CSDN通过智能技术生成

240. 搜索二维矩阵 II

题目描述

编写一个高效的算法来搜索 m x n 矩阵 matrix 中的一个目标值 target 。该矩阵具有以下特性:

  • 每行的元素从左到右升序排列。
  • 每列的元素从上到下升序排列。

示例1:

在这里插入图片描述

输入: matrix = [[1,4,7,11,15],[2,5,8,12,19],[3,6,9,16,22],[10,13,14,17,24],[18,21,23,26,30]], target = 5
输出: true

示例2:

在这里插入图片描述

输入: matrix = [[1,4,7,11,15],[2,5,8,12,19],[3,6,9,16,22],[10,13,14,17,24],[18,21,23,26,30]], target = 20
输出: false

提示

  • m = = m a t r i x . l e n g t h m == matrix.length m==matrix.length
  • n = = m a t r i x [ i ] . l e n g t h n == matrix[i].length n==matrix[i].length
  • 1 < = n , m < = 300 1 <= n, m <= 300 1<=n,m<=300
  • − 1 0 9 < = m a t r i x [ i ] [ j ] < = 1 0 9 -10^9 <= matrix[i][j] <= 10^9 109<=matrix[i][j]<=109
  • 每行的所有元素从左到右升序排列 每行的所有元素从左到右升序排列 每行的所有元素从左到右升序排列
  • 每列的所有元素从上到下升序排列 每列的所有元素从上到下升序排列 每列的所有元素从上到下升序排列
  • − 1 0 9 < = t a r g e t < = 1 0 9 -10^9 <= target <= 10^9 109<=target<=109

方法一:暴力解法

解题思路

遍历每一行中的每一个元素,判断是否为目标值。

在这里我遇到一个问题:
为什么遍历矩阵的每一行时,在前面加上了 const auto& 就时间效率变高了?而不加却超时了?

  1. for(auto x: arr),这样子只会拷贝一份 arr 中的元素,在循环体中无论怎么修改拷贝的元素的值,是不会影响到原有集合中的元素的值的。
  2. for(auto &x: arr),这样子相当于获取一份 arr 中的元素的引用,如果修改元素的值,那么原有集合中的元素的值也相应改变。
  3. for(const auto &x: arr),这样子也会获取一份 arr 中的元素的引用,但只可以读取元素的值,不可以修改元素的值,效率会比用 auto 更快一些。

代码

class Solution {
public:
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        for(const auto &x: matrix)
            for(int y: x)
                if(y == target)
                    return true;
        return false;
    }
};

复杂度分析

  • 时间复杂度: O ( n m ) O(nm) O(nm)
  • 空间复杂度: O ( 1 ) O(1) O(1)

方法二:二分查找

解题思路

遍历矩阵的每一行,对每一行进行二分查找,比一个个查找要快一些。

代码

class Solution {
public:
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        for(const auto &x: matrix) {
            int l = 0, r = x.size() - 1, mid;
            while(l <= r) {
                mid = (l + r) >> 1;
                if(x[mid] == target)
                    break;
                else if(x[mid] < target)
                    l = mid + 1;
                else
                    r = mid - 1;
            }
            if(l <= r)
                return true;
        }
        return false;
    }
};

复杂度分析

  • 时间复杂度: O ( m l o g n ) O(mlogn) O(mlogn)。每一次二分查找的时间复杂度为 O ( l o g n ) O(logn) O(logn),最多需要 m m m 次二分查找。
  • 空间复杂度: O ( 1 ) O(1) O(1)

方法三:Z 字形查找

解题思路

我们可以从矩阵 m a t r i x matrix matrix 的右上角 ( 0 , n − 1 ) (0,n-1) (0,n1) 位置处开始搜索。在每一步的搜索过程中,如果此时位于位置 ( x , y ) (x,y) (x,y),那么我们希望在以 m a t r i x matrix matrix 的左下角为左下角,以 ( x , y ) (x,y) (x,y) 为右上角的矩阵中进行搜索,即行的范围为 [ x , m − 1 ] [x,m-1] [x,m1],列的范围为 [ 0 , y ] [0,y] [0,y]

  • 如果 t a r g e t > m a t r i x [ i ] [ j ] target > matrix[i][j] target>matrix[i][j],因为矩阵的每一行元素都是按升序排列的,那么在当前的搜索矩阵中,这一行元素都是小于 t a r g e t target target 的,因此可以将它们忽略,即将 x x x 增加 1。
  • 如果 t a r g e t < m a t r i x [ i ] [ j ] target < matrix[i][j] target<matrix[i][j],因为矩阵的每一列元素都是按升序排列的,那么在当前的搜索矩阵中,这一列元素都是大于 t a r g e t target target 的,因此可以将它们忽略,即将 y y y 减少 1。
  • 如果 t a r g e t = m a t r i x [ i ] [ j ] target = matrix[i][j] target=matrix[i][j],则说明找到目标值。

在搜索的过程中,如果超出了矩阵的边界,那么说明矩阵中不存在 t a r g e t target target

代码

class Solution {
public:
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        int m = matrix.size(), n = matrix[0].size();
        int x = 0, y = n - 1;
        while(x < m && y >= 0) {
            if(matrix[x][y] == target)
                return true;
            if(matrix[x][y] > target)
                y--;
            else
                x++;
        }
        return false;
    }
};

复杂度分析

  • 时间复杂度: O ( m + n ) O(m+n) O(m+n)。由于 ( x , y ) (x, y) (x,y) 的初始值分别为 ( 0 , n − 1 ) (0, n-1) (0,n1),因此 y y y 最多能被减少 n n n 次, x x x 最多能被增加 m m m 次,总搜索次数为 m + n m + n m+n
  • 空间复杂度: O ( 1 ) O(1) O(1)
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值