leetcode 74 : Search a 2D Matrix

本文介绍了一种高效的矩阵搜索算法,该算法能在mxn的矩阵中寻找特定值,此矩阵的每行每列都按升序排列,并且每行的第一个元素大于前一行的最后一个元素。文章提供了两种方法:一种是从左下角开始的线性搜索,时间复杂度为O(m+n);另一种是将矩阵视为一维数组进行二分查找,时间复杂度为O(log(m*n))。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Write an efficient algorithm that searches for a value in an m x n matrix. This matrix has the following properties:

Integers in each row are sorted from left to right.
The first integer of each row is greater than the last integer of the previous row.
For example,

Consider the following matrix:

[
  [1,   3,  5,  7],
  [10, 11, 16, 20],
  [23, 30, 34, 50]
]

Given target = 3, return true.

代码:

方法一

利用有序矩阵的性质(行递增,列递增),从左下角往右上角搜索;比当前值小,往上搜索;比当前值大,往右搜索。从右上角往左下角搜索类似。

class Solution {
public:
    //由于行增和列增的性质,可从左下角开始,向上递减,向右递增
    //以左下为起点,往右上搜索,如果target比当前m[row][column]小,则row--,否则column++;相等返回true
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        提前得到size(),127个测试集,24ms->12ms
        int m=matrix.size(),n=matrix[0].size();
        for(int row=m-1,column=0;row>=0 && column<n;){
            if(target<matrix[row][column]){
                row--;
            }else if(target>matrix[row][column]){
                column++;;
            }else{
                return true;
            }
        }
        return false;
    }
};

上面代码的时间复杂度:O(m+n)

方法二

把二维矩阵看成一维数组,用二分查找

class Solution {
public:
    //把整个矩阵看成一行,二分查找
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        int m=matrix.size(),n=matrix[0].size();
        int low=0,high=m*n-1,middle,i,j;
        while(low<=high){
            middle=(low+high)/2;
            i=middle/n;
            j=middle%n;
            if(target<matrix[i][j]){
                high=middle-1;
            }else if(target>matrix[i][j]){
                low=middle+1;
            }else{
                return true;
            }
        }
        return false;
    }

};

时间复杂度:O(log(m*n)),m为行数,n为列数。

评论
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