java 矩阵题目_LeetCode 力扣官方题解 | 542.01 矩阵

力扣 542.01 矩阵（点击查看题目）

力扣​leetcode-cn.com

题目描述

给定一个由 0 和 1 组成的矩阵，找出每个元素到最近的 0 的距离。

两个相邻元素间的距离为 1 。

示例 1:
输入:

0 0 0
0 1 0
0 0 0

输出:

0 0 0
0 1 0
0 0 0

示例 2:
输入:

0 0 0
0 1 0
1 1 1

输出:

0 0 0
0 1 0
1 2 1

注意:

1. 给定矩阵的元素个数不超过 10000。
2. 给定矩阵中至少有一个元素是 0。
3. 矩阵中的元素只在四个方向上相邻: 上、下、左、右。

解决方案

方法一：广度优先搜索

思路

对于矩阵中的每一个元素，如果它的值为 0，那么离它最近的 0 就是它自己。如果它的值为 1，那么我们就需要找出离它最近的 0，并且返回这个距离值。那么我们如何对于矩阵中的每一个 1，都快速地找到离它最近的 0 呢？

我们不妨从一个简化版本的问题开始考虑起。假设这个矩阵中恰好只有一个 0，我们应该怎么做？由于矩阵中只有一个 0，那么对于每一个 1，离它最近的 0 就是那个唯一的 0。如何求出这个距离呢？我们可以想到两种做法：

• 如果 0 在矩阵中的位置是
  ，1 在矩阵中的位置是
  ，那么我们可以直接算出 0 和 1 之间的距离。因为我们从 1 到 0 需要在水平方向走
  步，竖直方向走
  步，那么它们之间的距离就为

；

• 我们可以从 0 的位置开始进行 广度优先搜索。广度优先搜索可以找到从起点到其余所有点的 最短距离，因此如果我们从 0 开始搜索，每次搜索到一个 1，就可以得到 0 到这个 1 的最短距离，也就离这个 1 最近的 0 的距离了（因为矩阵中只有一个 0）。

举个例子，如果我们的矩阵为：

_ _ _ _
_ 0 _ _
_ _ _ _
_ _ _ _

其中只有一个 0，剩余的 1 我们用短横线表示。如果我们从 0 开始进行广度优先搜索，那么结果依次为：

_ _ _ _         _ 1 _ _         2 1 2 _         2 1 2 3         2 1 2 3
_ 0 _ _   ==>   1 0 1 _   ==>   1 0 1 2   ==>   1 0 1 2   ==>   1 0 1 2
_ _ _ _         _ 1 _ _         2 1 2 _         2 1 2 3         2 1 2 3
_ _ _ _         _ _ _ _         _ 2 _ _         3 2 3 _         3 2 3 4

也就是说，在广度优先搜索的每一步中，如果我们从矩阵中的位置 x 搜索到了位置 y，并且 y 还没有被搜索过，那么位置 y 离 0 的距离就等于位置 x 离 0 的距离加上 1。

对于上面的两种做法，第一种看上去简洁有效，只需要对每一个位置计算一下就行；第二种需要实现广度优先搜索，会复杂一些。但是，别忘了我们的题目中会有不止一个 0，这样以来，如果我们要使用第一种做法，就必须对于每个 1 计算一次它到所有的 0 的距离，再从中取一个最小值，时间复杂度会非常高，无法通过本地。而对于第二种做法，我们可以很有效地处理有多个 0 的情况。

事实上，第一种做法也是可以处理多个 0 的情况的，但没有那么直观。感兴趣的读者可以在理解完方法一（即本方法）之后阅读方法二，那里介绍了第一种做法是如何扩展的。

处理的方法很简单：我们在进行广度优先搜索的时候会使用到队列，在只有一个 0 的时候，我们在搜索前会把这个 0 的位置加入队列，才能开始进行搜索；如果有多个 0，我们只需要把这些 0 的位置都加入队列就行了。

我们还是举一个例子，在这个例子中，有两个 0:

_ _ _ _
_ 0 _ _
_ _ 0 _
_ _ _ _

我们会把这两个 0 的位置都加入初始队列中，随后我们进行广度优先搜索，找到所有距离为 1 的 1:

_ 1 _ _
1 0 1 _
_ 1 0 1
_ _ 1 _

接着重复步骤，直到搜索完成：

_ 1 _ _         2 1 2 _         2 1 2 3
1 0 1 _   ==>   1 0 1 2   ==>   1 0 1 2
_ 1 0 1         2 1 0 1         2 1 0 1
_ _ 1 _         _ 2 1 2         3 2 1 2

这样做为什么是正确的呢？

• 我们需要对于每一个 1 找到离它最近的 0。如果只有一个 0 的话，我们从这个 0 开始广度优先搜索就可以完成任务了；
• 但在实际的题目中，我们会有不止一个 0。我们会想，要是我们可以把这些 0 看成一个整体好了。有了这样的想法，我们可以添加一个「超级零」，它与矩阵中所有的 0 相连，这样的话，任意一个 1 到它最近的 0 的距离，会等于这个 1 到「超级零」的距离减去一。由于我们只有一个「超级零」，我们就以它为起点进行广度优先搜索。这个「超级零」只和矩阵中的 0 相连，所以在广度优先搜索的第一步中，「超级零」会被弹出队列，而所有的 0 会被加入队列，它们到「超级零」的距离为 1。这就等价于：一开始我们就将所有的 0 加入队列，它们的初始距离为 0。这样以来，在广度优先搜索的过程中，我们每遇到一个 1，就得到了它到「超级零」的距离减去一，也就是 这个 1 到最近的 0 的距离。

下图中就展示了我们方法：

熟悉「最短路」的读者应该知道，我们所说的「超级零」实际上就是一个「超级源点」。在最短路问题中，如果我们要求多个源点出发的最短路时，一般我们都会建立一个「超级源点」连向所有的源点，用「超级源点」到终点的最短路等价多个源点到终点的最短路。

C++ 实现

class 

Java 实现

class 

Python3 实现

class 

复杂度分析

• 时间复杂度：O(rc），其中 r 为矩阵行数，c 为矩阵列数，即矩阵元素个数。广度优先搜索中每个位置最多只会被加入队列一次，因此只需要 O(rc）的时间复杂度。
• 空间复杂度：O(rc），其中 r 为矩阵行数，c 为矩阵列数，即矩阵元素个数。除答案数组外，最坏情况下矩阵里所有元素都为 0，全部被加入队列中，此时需要 O(rc）的空间复杂度。

方法二：动态规划

我们回想一下方法一中的「遗珠」：

如果 0 在矩阵中的位置是

，1 在矩阵中的位置是

，那么我们可以直接算出 0 和 1 之间的距离。因为我们从 1 到 0 需要在水平方向走

步，竖直方向走

步，那么它们之间的距离就为

。

对于矩阵中的任意一个 1 以及一个 0，我们如何从这个 1 到达 0 并且距离最短呢？根据上面的做法，我们可以从 1 开始，先在水平方向移动，只要与 0 在同一列。随后再在竖直方向上移动，直到到达 0 的位置。这样以来，从一个固定的 1 走到任意一个 0，在距离最短的前提下可能有四种方法：

• 只有 水平向左移动 和 竖直向上移动；
• 只有 水平向左移动 和 竖直向下移动；
• 只有 水平向右移动 和 竖直向上移动；
• 只有 水平向右移动 和 竖直向下移动。

例如下面这一个矩阵包含四个 0。从中心位置的 1 移动到这四个 0，就需要使用四种不同的方法：

0 _ _ _ 0
_ _ _ _ _
_ _ 1 _ _
_ _ _ _ _
0 _ _ _ 0

这样以来，我们就可以使用动态规划解决这个问题了。我们用 f(i，j) 表示位置 (i，j) 到最近的 0 的距离。如果我们只能「水平向左移动」和「竖直向上移动」，那么我们可以向上移动一步，再移动 f(i - 1，j) 步到达某一个 0，也可以向左移动一步，再移动 f(i，j -1) 步到达某一个 0。因此我们可以写出如下的状态转移方程：

对于另外三种移动方法，我们也可以写出类似的状态转移方程，得到四个 f(i，j) 的值，那么其中最小的值就表示位置 (i，j) 到最近的 0 的距离。

C++ 实现

class 

Java 实现

class 

Python3 实现

class 

复杂度分析

• 时间复杂度：O(rc），其中 r 为矩阵行数，c 为矩阵列数。计算 dist 数组的过程中我们需要遍历四次矩阵，因此时间复杂度为 O(4rc) = O(rc) 。
• 空间复杂度：O(1），这里我们只计算额外的空间复杂度。除了答案数组以外，我们只需要常数空间存放若干变量。

方法三：动态规划的常数优化

我们发现方法二中的代码有一些重复计算的地方。实际上，我们只需要保留

• 只有 水平向左移动 和 竖直向上移动；
• 只有 水平向右移动 和 竖直向下移动。

这两者即可。这里不会给出详细的证明，有兴趣的读者可以自己思考。

C++ 实现

class 

Java 实现

class 

Python3 实现

class 

复杂度分析

• 时间复杂度：O(rc），其中 r 为矩阵行数，c 为矩阵列数。计算 dist 数组的过程中我们需要遍历两次矩阵，因此时间复杂度为 O(2rc) = O(rc) 。
• 空间复杂度：O(1），这里我们只计算额外的空间复杂度。除了答案数组以外，我们只需要常数空间存放若干变量。

本文作者：力扣

声明：本文归“力扣”版权所有，如需转载请联系。