leetcode-378. 有序矩阵中第K小的元素

题目

给定一个 n x n 矩阵,其中每行和每列元素均按升序排序,找到矩阵中第 k 小的元素。
请注意,它是排序后的第 k 小元素,而不是第 k 个不同的元素。

示例:

matrix = [
   [ 1,  5,  9],
   [10, 11, 13],
   [12, 13, 15]
],
k = 8,

返回 13。

提示
你可以假设 k 的值永远是有效的,1 ≤ k ≤ n2 。

解题思路

无脑版:
把二维数组合并成一维,然后返回第k个元素。时间复杂度 o ( n 2 ) o(n^2) o(n2)

归并排序版:
合并n个有序数组,然后返回第k个元素。归并的部分和合并K个排序链表思路一致

二分查找版:
二分查找是看了题解才想到的。用low, high分别代表当前矩阵中的最大值和最小值,计算出中值mid = (low + high) // 2,然后找矩阵中<= mid的数字有几个。若<= mid的数字不足k个,则最终的答案应该比mid大。若<= mid的数字>=k个,则最终答案应该<=mid

代码

无脑版:

class Solution:
    def kthSmallest(self, matrix: List[List[int]], k: int) -> int:
        last_list = matrix[0]
        for each_list in matrix[1:]:
            index_1, index_2 = 0, 0
            new_merge = []
            while index_1 < len(last_list) and index_2 < len(each_list):
                if last_list[index_1] < each_list[index_2]:
                    new_merge.append(last_list[index_1])
                    index_1 += 1
                else:
                    new_merge.append(each_list[index_2])
                    index_2 += 1
            while index_1 < len(last_list):
                new_merge.append(last_list[index_1])
                index_1 += 1
            while index_2 < len(each_list):
                new_merge.append(each_list[index_2])
                index_2 += 1
            last_list = new_merge
        return last_list[k - 1]

归并版:

class Solution:
    def merge_2list(self, list1: list, list2: list) -> list:
        ret_list = []
        index1, index2 = 0, 0
        while index1 < len(list1) and index2 < len(list2):
            if list1[index1] < list2[index2]:
                ret_list.append(list1[index1])
                index1 += 1
            else:
                ret_list.append(list2[index2])
                index2 += 1
        if index1 != len(list1):
            ret_list += list1[index1:]
        if index2 != len(list2):
            ret_list += list2[index2:]
        return ret_list

    def merge_sort(self, matrix: List[List[int]]) -> list:
        if not matrix:
            return None
        if len(matrix) == 1:
            return matrix[0]
        mid = len(matrix) >> 1
        return self.merge_2list(self.merge_sort(matrix[:mid]), self.merge_sort(matrix[mid:]))

    def kthSmallest(self, matrix: List[List[int]], k: int) -> int:
        sorted_list = self.merge_sort(matrix)
        return sorted_list[k - 1]

二分查找版:

class Solution:
    def kthSmallest(self, matrix: List[List[int]], k: int) -> int:
        def not_enough(target: int, k: int) -> bool:
            """
            True: # of numbers that are no larger than target < k
            False: # of numbers that are no larger than target >= k
            """
            i, j = 0, n - 1
            res = 0
            while 0 <= i < n and 0 <= j < n:
                if matrix[i][j] <= target:
                    i += 1
                    res += j + 1
                else:
                    j -= 1
            return res < k

        n = len(matrix)
        left, right = matrix[0][0], matrix[n - 1][n - 1]
        while left < right:
            mid = (left + right) >> 1
            if not_enough(mid, k):
                left = mid + 1
            else:
                right = mid
        return (left + right + 1) >> 1
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 好的,我来用文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统,动态规划也广泛应用于各种优化算法,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列,第j个元素的值。 在LeetCode,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论 1
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