[Leetcode] 73. Set Matrix Zeroes 解题报告

本文介绍了一种在不使用额外空间的情况下,将矩阵中值为0的元素所在行和列全部设置为0的算法。该算法巧妙地利用了矩阵的第一行和第一列作为标记空间,有效地避免了使用额外的数据结构。

题目

Given a m x n matrix, if an element is 0, set its entire row and column to 0. Do it in place.

click to show follow up.

Follow up:

Did you use extra space?
A straight forward solution using O(mn) space is probably a bad idea.
A simple improvement uses O(m + n) space, but still not the best solution.
Could you devise a constant space solution?

思路

这道题目的难点在于如何只使用常数量级的空间复杂度,其技巧是在已有数据上做文章:1)检查并记录第一行和第一列是否需要归零;2)遍历矩阵,一旦发现某个元素为0,则将它所在的行和列的第一个元素置为0;3)遍历第一行和第一列,如果是0,则将其对应的整个行或者整个列的元素置为0;4)如果第一行或者第一列需要归零,则将其归零。时间复杂度为O(m*n),空间复杂度为O(1)。

代码

class Solution {
public:
    void setZeroes(vector<vector<int>>& matrix) {
        bool zeroFirstRow = false, zeroFirstCol = false;    // step 1: mark first row and first col
        for(int i = 0; i < matrix[0].size(); ++i)
            if(matrix[0][i] == 0)
            {
                zeroFirstRow = true;
                break;
            }
        for(int i = 0; i < matrix.size(); ++i)
            if(matrix[i][0] == 0)
            {
                zeroFirstCol = true;
                break;
            }
        for(int i = 1; i < matrix.size(); ++i)              // step 2: mark all rows and cols that should be set zero
        {
            for(int j = 1; j < matrix[i].size(); ++j)
            {
                if(matrix[i][j] == 0)
                {
                    matrix[i][0] = 0;
                    matrix[0][j] = 0;
                }
            }
        }
        for(int i = 1; i < matrix.size(); ++i)              // step 3: set zero of other rows and cols
        {
            for(int j = 1; j < matrix[i].size(); ++j)
            {
                if(matrix[i][0] == 0 || matrix[0][j] == 0)
                    matrix[i][j] = 0;
            }
        }
        if(zeroFirstRow)                                    // step 4: set zero of first row and col if necessary
        {
            for(int i = 0; i < matrix[0].size(); ++i)
                matrix[0][i] = 0;
        }
        if(zeroFirstCol)
        {
            for(int i = 0; i < matrix.size(); ++i)
                matrix[i][0] = 0;
        }
    }
};

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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