363:Max Sum of Rectangle No Larger Than K
首先想到暴力,保存累加和,然后四重循环遍历左上和右下角的x,y坐标,复杂度O((nm)^2),本以为铁定超时,结果居然AC了。。。
然后看了discussion,更快的解时间复杂度是O(n * n * m * logm),空间复杂度O(m),假设m >= n。
怎么做到呢,先从几个问题讲起。
Q1: 一维数组中找最大连续子数组和。
即LeetCode 53题 Maximum Subarray。
两种做法,一种是DP降维,也就是Kadane算法。遍历数组,保存以当前元素结尾的最大和,以及历史最大和。时间O(n)。
int maxSubArray(vector<int>& nums) {
int maxEndingHere = nums[0], maxSoFar = nums[0];
for (int i = 1; i < nums.size(); i++) {
maxEndingHere = max(maxEndingHere + nums[i], nums[i]);
maxSoFar = max(maxEndingHere, maxSoFar);
}
return maxSoFar;
}
另一种是贪心,用两个指针i, j分别表示开头结尾,保存区间内的和,每步j向后指,如果和小于0,则i指向j的下一位。最后输出最大的和。i可以跳跃的原因是,区间内每个元素起始时,前面的累加和都>=0,在这样的情况下到第j步都变成负数了,那么从[i, j]中任何一个数开始(即累加和为0),到j都一定会是负数。所以最大和直接从j+1开始继续找。复杂度O(n)。这个思路可以用来解LeetCode 143题 Gas Station。
但是在写程序时,保存了累加和就不用保存i的位置了,所以代码上和DP几乎是一样的。
Q2:一维数组中找和不超过k的最大连续子数组和
暴力解的话,保存累加和,遍历每个首尾位置,复杂度O(n^2)。
氮素,可以遍历一遍就够了,方法是计算累加和cum,并且把累加和扔到set里。这样遍历到当前位置时,寻找set中大于等于k - cum的累加和。总复杂度O(nlogn)。
(图是用windows画图绘的,我也很绝望.....)
如图所示,遍历到i位置是,要找从某个位置到i的区间,使得累加和<=k,即寻找t_cum使cum - t_cum <= k,可知t_cum >= cum - k。直接用set的lower_bound函数就可以找到啦,二分查找,复杂度O(logn)。
int findBestSum(vector<int> nums, int k) {
set<int> findedSum;
findedSum.emplace(0);
int sum = 0, bestSum = INT_MIN;
for (const auto& item : nums) {
sum += item;
auto it = findedSum.lower_bound(sum - k);
if (it != findedSum.end() && sum - *it > bestSum) {
bestSum = sum - *it;
if (bestSum == k)
return k;
}
findedSum.emplace(sum);
}
return bestSum;
}
题目还有几种变体:
1、和小于k。即寻找t_cum使cum - t_cum < k,可知t_cum > cum - k。换成用set的upper_bound函数就可以找到啦。
2、和大于k的最小连续子数组和。即寻找t_cum使cum - t_cum > k,可知t_cum < cum - k。但是set中没有找最大的小于该数的函数,虽然参考我的文章写个出来也不是很困难,但是存的时候存成相反数就可以咯,-t_cum > k - cum。bestSum的判断函数改一下即可。
3、和不小于k的最小连续子数组和。和上面一样,换成lower_bound即可。
Q3: 二维矩阵中找和最大的子矩阵
暴力的话O((nm)^2)。利用Q1的思想,我们能在O(n)的时间找出一维数组中最大子数组,那么将矩阵合并成数组之后就可以在O(n)时间内找出了,矩阵的合并采用暴力的方式,首末位置遍历O(m^2),总复杂度O(m^2*n)。空间复杂度O(n)。
借用印度小哥的讲解图。视频地址(自备梯子)。如果题目要求输出矩阵的位置,那保存下最大sum的上下左右位置就可以咯。
//用到了Q1中的maxSubArray函数
int findMaxSubmatrixSum(vector<vector<int>> nums) {
int rowNum = nums.size();
if (rowNum == 0)
return INT_MIN;
int colNum = nums[0].size();
if (colNum == 0)
return INT_MIN;
vector<int> sumArr(rowNum);
int maxSum = INT_MIN;
for (int l = 0; l < colNum; l++) {
for (auto& item : sumArr)
item = 0;
for (int r = l; r < colNum; r++) {
for (int i = 0; i < rowNum; i++) {
sumArr[i] += nums[i][r];
}
maxSum = max(maxSum, maxSubArray(sumArr));
}
}
return maxSum;
}
Q4: 本题
有了前三题的铺垫,想必一定明白怎么做啦,把Q3代码中调用的maxSubArray函数改成Q2中的findBestSum就可以啦。时间复杂度O(colNum^2 * rowNum * logrowNum),空间复杂度O(rowNum)。
int maxSumSubmatrix(vector<vector<int>>& matrix, int k) {
int rowNum = matrix.size(), colNum = matrix[0].size();
vector<int> sumArr(rowNum);
int maxSum = INT_MIN;
for (int l = 0; l < colNum; l++) {
for (auto& item : sumArr)
item = 0;
for (int r = l; r < colNum; r++) {
for (int i = 0; i < rowNum; i++) {
sumArr[i] += matrix[i][r];
}
maxSum = max(maxSum, findBestSum(sumArr, k));
if (maxSum == k)
return k;
}
}
return maxSum;
}