Leetcode 378. 有序矩阵中第 K 小的元素

使用二分查找解决LeetCode378:有序矩阵中第K小的元素
该博客介绍了一种利用二分查找算法来解决LeetCode378问题的方法。通过从有序矩阵的左上角开始,逐步缩小搜索范围,找到第K小的元素。具体实现包括设置初始边界,计算小于中间值的元素个数,并根据比较结果调整搜索边界。代码中展示了详细的函数实现和辅助函数,用于计算小于特定值的元素数量。

Leetcode 378. 有序矩阵中第 K 小的元素

1. 问题描述

在这里插入图片描述

2. 思路

  1. 左上角元素作为left,右下角元素作为right
  2. 执行二分查找

3. 代码

func kthSmallest(matrix [][]int, k int) int {
    n := len(matrix)
    left, right := matrix[0][0], matrix[n-1][n-1]   
    
    for left <= right {
        mid := left + (right - left) / 2
        // 计算matrix矩阵中小于mid 的元素个数
        smallNum := countSmall(matrix, mid, n)
        // fmt.Println(smallNum)
        if smallNum == k {
            right = mid - 1  // 不要怕错过,最终一定会在此处汇聚
        } else if smallNum < k {
            // mid太小,增大mid
            left = mid + 1
        } else {
            right = mid - 1
        }
    }
    return left
}

// 计算matrix矩阵中小于mid 的元素个数
func countSmall(matrix [][]int, mid int, n int) int {
    var num int
    i, j := n - 1, 0

    for i >= 0 && j <= n - 1 {
        if matrix[i][j] <= mid {
            j++
            num += i + 1
        } else {
            i--
        }
    }
    return num
}
### 问题分析 Leetcode378题“有序矩阵中第k小的元素”,给定一个 `n x n` 的矩阵,其中每行和每列元素均按升序排序,要求找出矩阵中第 `k` 小的元素。这道题的关键在于利用矩阵元素有序的特性,高效地找到第 `k` 小的元素。 ### 解法分析 #### 优先队列(大顶堆) - **思路**:使用最大优先队列,保留 `k` 个最小的元素,队列中最大的元素即为第 `k` 小的元素。遍历矩阵中的元素,将其添加到队列中,若队列元素数目大于 `k`,则弹出堆顶最大的元素。遍历结束后,堆顶元素就是所求结果[^1]。 - **复杂度**:时间复杂度为 $O(n^2 log k)$,因为需要遍历矩阵中的所有元素,每次插入和删除操作的时间复杂度为 $O(log k)$;空间复杂度为 $O(k)$,主要用于优先队列存储元素[^5]。 - **代码示例(Python)**: ```python import heapq class Solution: def kthSmallest(self, matrix, k): max_heap = [] for row in matrix: for element in row: heapq.heappush(max_heap, -element) if len(max_heap) > k: heapq.heappop(max_heap) return -max_heap[0] ``` #### 二分查找 - **思路**:以矩阵左上角元素作为左边界 `left`,右下角元素作为右边界 `right`,执行二分查找。对于中间值 `mid`,统计矩阵中小于等于 `mid` 的元素个数 `count`。若 `count >= k`,说明第 `k` 小的元素落在 `[left, mid]` 区间,更新 `right = mid`;否则落在 `[mid + 1, right]` 区间,更新 `left = mid + 1`。最终 `left` 即为所求结果[^2][^3][^4]。 - **复杂度**:时间复杂度为 $O(n log (max - min))$,其中 `max` 和 `min` 分别是矩阵中的最大值和最小值,每次二分查找需要 $O(n)$ 的时间来统计小于等于 `mid` 的元素个数;空间复杂度为 $O(1)$,只使用了常数级的额外空间[^2][^3][^4]。 - **代码示例(Python)**: ```python class Solution: def kthSmallest(self, matrix, k): def search(mid, n): i, j = n - 1, 0 count = 0 while i >= 0 and j < n: if matrix[i][j] <= mid: count += (i + 1) j += 1 else: i -= 1 return count >= k n = len(matrix) left, right = matrix[0][0], matrix[n - 1][n - 1] while left < right: mid = left + (right - left) // 2 if search(mid, n): right = mid else: left = mid + 1 return left ``` ### 总结 - 优先队列解法思路直观,适用于各种矩阵情况,但时间复杂度相对较高,特别是当矩阵规模较大时。 - 二分查找解法利用了矩阵元素有序的特性,时间复杂度较低,在处理大规模矩阵时效率更高。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值