给你一个大小为 m x n 的矩阵 mat 和一个整数阈值 threshold。
请你返回元素总和小于或等于阈值的正方形区域的最大边长;如果没有这样的正方形区域,则返回 0 。
示例 1:
输入:mat = [[1,1,3,2,4,3,2],[1,1,3,2,4,3,2],[1,1,3,2,4,3,2]], threshold = 4
输出:2
解释:总和小于或等于 4 的正方形的最大边长为 2,如图所示。
示例 2:
输入:mat = [[2,2,2,2,2],[2,2,2,2,2],[2,2,2,2,2],[2,2,2,2,2],[2,2,2,2,2]], threshold = 1
输出:0
二分查找+前缀和
class Solution {
public:
int getIt(const vector<vector<int>>&sum, int x1, int y1, int x2, int y2){
return sum[x2][y2] - sum[x1-1][y2] - sum[x2][y1-1] + sum[x1-1][y1-1];
}
int maxSideLength(vector<vector<int>>& mat, int threshold) {
int m = mat.size(), n = mat[0].size();
vector<vector<int>> sum(m+1, vector<int>(n+1));
for(int i = 0; i < m; i++){
for(int j = 0; j < n; j++){
sum[i+1][j+1] = sum[i+1][j] + sum[i][j+1] - sum[i][j] + mat[i][j];
}
}
int l = 1, r = min(m, n);
int ans = 0;
while(l <= r){
int mid = (l+r)/2;
bool find = false;
for(int i = 1; i <= m - mid + 1; i++){
for(int j = 1; j <= n - mid + 1; j++){
if(getIt(sum, i, j, i+mid-1, j+mid-1)<=threshold){
find = true;
}
}
}
if(find){ //如果能够找到符合条件的该边长正方形,那么移动l到mid右边,去查找更大边长正方形
ans = mid;
l = mid+1;
}else{
r = mid-1;
}
}
return ans;
}
};
时间复杂度:O(MN∗logmin(M,N))。二分查找的次数为 O(logmin(M,N)),在每次二分查找中,需要枚举所有边长为 c’ 的矩形,数量为 O(MN),因此总时间复杂度为 O(MN∗logmin(M,N))。
空间复杂度:O(MN)。
这道题目运用了两个知识点,一个是前缀和在二维中的运用,第二个是二分查找来寻找最大边长。
首先maxSideLength函数中先计算前缀和,然后再看getIt函数中,是用于接下来通过前缀和来计算正方形内的元素和。
这道题的精髓在于二分查找的使用,由于我们要找到最大的边长,那么我们是不是通常来想,需要遍历从1到矩阵较短边长度的正方形边长,然后把边长一个个去矩阵中寻找是否有合适的正方形。这时候我们通过二分查找,l指向1,r指向矩阵较短的边的长度,然后mid就是他们的中点(l+r)/2。然后我们这时候就要去找是否有合适的正方形,从i=1和j=1开始,要注意的是这时候正方形左上角并不是[1,1],而是[0,0],因为i和j的范围是从1到n - mid + 1(包含),也就是i和j是前缀和相关。如果找到了这样一个正方形,说明这边长是目前可实现的最大的,那么计入输出结果ans中,然后去寻找更大边长正方形是否可行,如果这个边长的正方形没有找到一个符合条件小于threshold,那么r就要变成mid-1,在接下来mid又是l和r的中点,然后去看mid可行不可行,直到l>r,然后才结束。
如果连边长为1正方形都没有找到符合的,那么返回ans的原始值0。
优化:枚举
class Solution {
public:
int getIt(const vector<vector<int>>&sum, int x1, int y1, int x2, int y2){
return sum[x2][y2] - sum[x1-1][y2] - sum[x2][y1-1] + sum[x1-1][y1-1];
}
int maxSideLength(vector<vector<int>>& mat, int threshold) {
int m = mat.size(), n = mat[0].size();
vector<vector<int>> sum(m+1, vector<int>(n+1));
for(int i = 0; i < m; i++){
for(int j = 0; j < n; j++){
sum[i+1][j+1] = sum[i+1][j] + sum[i][j+1] - sum[i][j] + mat[i][j];
}
}
int r = min(m, n),ans = 0;
for(int i = 1; i <= m; i++){
for(int j = 1; j <= n; j++){
for(int c = ans + 1;c <= r; c++){
if(i+c-1<=m && j+c-1<=n && getIt(sum, i, j, i+c-1, j+c-1)<= threshold){
ans++;
}else{
break;
}
}
}
}
return ans;
}
};
时间复杂度:O(MN)。这看上去很不可思议,但它确实比方法一中二分查找的时间复杂度更低。
空间复杂度:O(MN)。
在这个优化中,我们直接枚举1开始的边长,当存在这个正方形的时候,就不用遍历接下来这个边长的正方形了,让边长+1,继续查找有没有符合这个边长的长方形,一旦遍历完所有正方形的左上角位置都没有找到,那么就不用接下来的循环,ans这时候就是最大的符合条件的正方形边长。