题目:
这题的测试数据很弱,暴力搜索也是可以偶尔通过的。但是这里追求一个更快的优化办法。(虽然本质上我个人觉得就是暴力的优化方法)
首先,由于这个矩形的四个顶点都是不固定的,而且如果采用类似DFS这样的算法,会有一个舍弃和矩形形状的问题,想想就十分复杂。所以我们必须放弃这种搜索方式。
其次,对于矩阵区域的做法,我们常常可以见到将行或者列进行固定,然后动态搜索一边的做法。这里的优化方式采用的是累计列和,然后搜索行的方式。这里引用一下评论区大佬的图片:
累计列的和然后搜索行
这种累计方法最巧妙的地方在于,相当于帮你固定了矩阵的三条边,每次循环只用动态考虑一条边。(这里是上下边界固定,左边界固定,右边界动态更新)
并且,由于rowSum数组统计的是l-r列之间的元素和,所以只用在这个一维数组里面搜索不大于K的最大子序和即可。(值得一提的是,这里搜索不大于K的最大子序和貌似只能用暴力搜索的办法,因为动态规划的办法是不能考虑整个数组都连贯的情况的。)
于是算法的整体框架就有了:
1.枚举左边界left
2.对于每一个枚举的left,枚举右边界right
3.统计left-right的每一行的元素和进rowsum中。
4.找出rowsum中不大于k的连续子序和的最大值。
C++代码:
class Solution {
public:
int maxSumSubmatrix(vector<vector<int>>& matrix, int k) {
int rownumsize = matrix.size();
int maxnums = INT_MIN;
for(int i=0;i<matrix[0].size();i++){//左边界
vector<int> rowsum(rownumsize,0);//每一次移动左边界需要清空数组
for(int j=i;j<matrix[0].size();j++){//右边界
for(int l=0;l<rownumsize;l++){
rowsum[l] += matrix[l][j];
}
maxnums = max(maxnums,findmax(rowsum,k));
if(maxnums==k){
return k;
}
}
}
return maxnums;
}
int findmax(vector<int>& rowsum,int k){
int maxnums = INT_MIN;
for(int i=0;i<rowsum.size();i++){
int sum = 0;
for(int j=i;j<rowsum.size();j++){
sum += rowsum[j];
if (sum > maxnums && sum <= k) maxnums = sum;
}
}
return maxnums;
}
};