LeetCode 311. Sparse Matrix Multiplication

Given two sparse matrices A and B, return the result of AB.
You may assume that A’s column number is equal to B’s row number.

Example:

A = [
[ 1, 0, 0],
[-1, 0, 3]
]

B = [
[ 7, 0, 0 ],
[ 0, 0, 0 ],
[ 0, 0, 1 ]
]
AB=

|  1 0 0 |   | 7 0 0 |   |  7 0 0 |
| -1 0 3 | * | 0 0 0 | = | -7 0 3 |
             | 0 0 1 |   

思路：
1. 稀疏矩阵的操作，直接计算肯定会TLE，如何利用元素为0的限制，把限制转换成优势？遇到0，直接skip，不运算！
2. 我们知道数学中矩阵积的每个元素等于< A的i行,B的j列>内积，由于A的i行需要乘以B的所有列，所以对A的每个元素都要进行多次判断是否等于0，即：重复判断！如何实现对A的元素只做一次0判断？
3. 比较：

传统方法	本题方法
矩阵积的每一个元素计算完成 之后才计算下一个元素的值	矩阵积每个元素不是计算好了再去计算下一个元素值， 而是部分计算后就可以计算下一个元素。 每个元素都是部分计算，所以需要多个round
A矩阵中每一个值都要判断多次， 即：判断次数等于B的列数	A矩阵每个一个值只需要判断一次。

4. 计算顺序的交换=减少重复判断。这个可以认真终结，各种技巧和方法的运用，都是为了避免重复运算减少运算量！！！比如，DP或memorization等！

vector<vector<int>> multiply(vector<vector<int>>& A, vector<vector<int>>& B) {
    vector<vector<int>> res(A.size(),vector<int>(B[0],0));
    for(int i=0;i<A.size();i++){
        for(int k=0;k<A[0].size();k++){
            if(A[i][k]){
                for(int j=0;j<B[0].size();j++){
                    if(B[k][j])
                        res[i][j]+=A[i][k]*B[k][j];
                }
            }
        }
    }
    return res;
}