当前位置: 首页 > news >正文

力扣hot100:搜索二维矩阵 II(常见误区与高效解法详解)(240)

在 LeetCode 的“搜索二维矩阵 II”问题中,我们需要判断一个目标值 target 是否存在于一个满足以下特性的二维矩阵中:

​​​​​​​

本文先分析一种常见的错误解法,再介绍一种高效的解决方案。

初始代码的问题分析

这是我第一次写的代码,因为我感觉他有点像二叉树,就尝试了一下,从一个起点出发,尝试在对角线上移动,并检查相邻元素:

class Solution {public boolean searchMatrix(int[][] matrix, int target) {int x = matrix.length - 1;int y = matrix[0].length - 1;int i = 0, j = 0;while (i >= 0 && j >= 0 && i <= x && j <= y) {if (matrix[i][j] < target) {i++;j++;} else if (matrix[i][j] == target) {return true;} else if (matrix[i][j] > target) {int i_temp = i;int j_temp = j;i--;j--;while (i >= 0 && j >= 0 && i <= x && j <= y) {if (matrix[i_temp][j] == target || matrix[i][j_temp] == target) {return true;}i--;j--;}}}return false;}
}

主要问题

  1. 路径不可靠:通过同时增加 i 和 j (如 i++, j++ )沿对角线移动,但矩阵的特性不能保证对角线上的连续性,容易跳过目标值。
  2. 边界处理不当:当索引超出矩阵边界时,逻辑复杂且易出错(如移动到 (3,3) 在 3×4 矩阵中导致越界)。
  3. 效率低下:最坏情况时间复杂度为 O(n2)O(n2)(如目标值在左上角时)。

在提交时出现了这种抽象用例导致了错误

高效解法:从右上角开始搜索

利用矩阵的升序特性,可从右上角(或左下角)开始搜索:

  • 若当前元素等于目标值,返回 true
  • 若当前元素大于目标值,向左移动一列(排除当前列)
  • 若当前元素小于目标值,向下移动一行(排除当前行)

步骤图解

示例矩阵:
[[1, 4, 7, 11],[2, 5, 8, 12],[3, 6, 9, 16],[10,13,14,17]
]
目标值:51. 从右上角11开始:11 > 5 → 左移至7
2. 7 > 5 → 左移至4
3. 4 < 5 → 下移至5
4. 5 == 5 → 找到目标!

代码实现

class Solution {public boolean searchMatrix(int[][] matrix, int target) {if (matrix == null || matrix.length == 0 || matrix[0].length == 0) {return false;}int row = 0;int col = matrix[0].length - 1; // 从右上角开始while (row < matrix.length && col >= 0) {int current = matrix[row][col];if (current == target) {return true;} else if (current > target) {col--; // 向左移动} else {row++; // 向下移动}}return false;}
}

复杂度分析

  • 时间复杂度:O(m+n)O(m+n),其中 mm 为行数、nn 为列数。每一步移动都会排除一行或一列。
  • 空间复杂度:O(1)O(1),仅使用常量额外空间。
为什么这种方法有效?
  1. 利用了矩阵的全局排序特性:
    • 每行从左到右递增
    • 每列从上到下递增
  2. 每一步移动都基于当前值与目标值的比较:
    • 向左移动:当前值太大 → 丢弃当前列
    • 向下移动:当前值太小 → 丢弃当前行
对比其他方法
  1. 暴力搜索:时间复杂度 O(mn)O(mn),效率低下。
  2. 逐行二分搜索:时间复杂度 O(mlog⁡n)O(mlogn),适合列数远大于行数的情况。
  3. 右上角起点法:时间复杂度 O(m+n)O(m+n),在大多数情况下效率最高。
总结

通过从右上角(或左下角)出发,每一步排除一行或一列,我们可以在 O(m+n)O(m+n) 时间内高效解决这个问题。这种方法简洁、直观,且充分利用了矩阵的排序特性。建议在面试或实际编码中优先采用此解法。

http://www.xdnf.cn/news/1460917.html

相关文章:

  • OpenBMC之编译加速篇
  • 三、神经网络
  • VisionPro联合编程相机拍照 九点标定实战
  • pinia状态管理的作用和意义
  • SSD固态硬盘加速优化-明显提高固态硬盘的效率并保持峰值性能-供大家学习研究参考
  • Ubuntu 22.04 网络服务安装配置
  • 硬件开发1-51单片机3-串口
  • 三阶Bezier曲线曲率极值及对应的u的计算方法
  • LeetCode 994 腐烂的橘子
  • 【C语言】深入理解指针(4)
  • 【LeetCode热题100道笔记】旋转图像
  • pycharm解释器使用anaconda建立的虚拟环境里面的python,无需系统里面安装python。
  • MySQL复制技术的发展历程
  • Spring启示录
  • 从传统CNN到残差网络:用PyTorch实现更强大的图像分类模型
  • BenTsao本草-中文医学大模型
  • 【算法--链表】61.旋转链表--通俗讲解
  • 【Day 44】Shell-Git版本控制器
  • 【Python】数据可视化之分类图
  • Day2p2 夏暮客的Python之路
  • 数学建模25c
  • [数据结构] 链表
  • 深度学习之第七课卷积神经网络 (CNN)调整学习率
  • MySQL子查询的分类讲解与实战
  • 从基础到实践:Web核心概念与Nginx入门全解析
  • 前端url参数拼接和提取
  • 嵌入式基础 -- I²C 信号与位层规则
  • Swift 解法详解:LeetCode 371《两整数之和》
  • 漏洞绕过方式
  • 从零到一:人工智能应用技术完全学习指南与未来展望