74. Search a 2D Matrix

本文介绍了一种高效的算法来解决LeetCode上的一道题目——在一个具有特定排序属性的二维矩阵中查找目标值。该算法首先通过二分查找确定目标值可能存在的行范围,然后在该行内再次使用二分查找确定目标值是否存在。这种方法的时间复杂度为O(logm+logn),其中m和n分别是矩阵的行数和列数。

LeetCode

  • 题目地址:https://leetcode.com/problems/search-a-2d-matrix/#/description
  • 问题描述&解题思路:给一个二维的数组,有以下两个属性:(1)下一行的第一个元素比这一行的第一个元素大(2)每行元素左边的比右边的小,给一个数target,判断是否在这个二维数组中。那么很简单地想到,就是先用二分在行中找,再用二分在列中找,但是这两个二分是有区别的,在行中找要找到行号n,使得n行第一个元素小于等于target,n+1行(如果n=size-1最后一行则不需要)的第一个元素大于target,因为行查找的是一个范围 [n,n+1) ,而列中查找则直接找到是否有target这个数字,即正常的二分。复杂度是O(logm+logn),其中是m*n的二维数组
  • 代码如下:
class Solution {
public:
    bool searchMatrix(vector<vector<int>>& matrix, int target) {
        if (matrix.size() == 0 || matrix[0].size() == 0)
            return false;
        int low = 0, high = matrix.size()-1, size = matrix.size(), row;
        //binary search for row
        while (low < high) {
            int mid = (low + high) / 2;
            if (matrix[mid][0] <= target && (mid == size - 1 || matrix[mid+1][0] > target))
                break;
            else if (matrix[mid][0] > target)
                high = mid - 1;
            else
                low = mid + 1;
        }
        row = (low + high) / 2;
        //binary search for col
        int low2 = 0, high2 = matrix[low].size()-1;
        while(low2 <= high2) {
            int mid = (low2 + high2) / 2;
            if (matrix[row][mid] == target)
                return true;
            else if (matrix[row][mid] > target) 
                high2 = mid - 1;
            else
                low2 = mid + 1;
        }
        return false;
    }
};
在COMSOL中遇到“Failed to compute the matrix factorization in the eigensolver”(特征值求解器矩阵分解失败)、“Try to search for eigenvalues around a different shift value”(尝试围绕不同的位移值搜索特征值)及“Out of memory during assembly”(组装过程中内存不足)等问题时,通常与特征值求解器的配置、网格规模或物理场设置相关。以下是可能的原因及解决方法: --- ### **1. 特征值求解器矩阵分解失败** - **原因**: 特征值求解器(如ARPACK、SLEPc)在计算矩阵特征值时,若矩阵条件数过大或位移值(shift)选择不当,可能导致分解失败。 - **解决方法**: - **调整位移值(Shift)**: 在特征值求解器设置中指定更合理的位移值(接近预期特征值): ```matlab model.study("std1").feature("eig").set("shift", 1e6); % 设置位移值为1e6(根据问题调整) ``` - **启用谱变换**: 对于对称问题,使用“位移-反转”变换改善矩阵条件数: ```matlab model.study("std1").feature("eig").set("transform", "shiftinvert"); % 启用位移反转变换 ``` - **减少求解特征值数量**: 降低求解的特征值数量(`neigs`)以简化问题: ```matlab model.study("std1").feature("eig").set("neigs", 10); % 仅求解前10个特征值 ``` --- ### **2. 内存不足(Assembly阶段)** - **原因**: 矩阵组装阶段内存不足通常由以下情况引起: - 网格规模过大(单元/自由度数过多)。 - 物理场耦合导致矩阵稠密(如完全耦合的多物理场)。 - 直接求解器(如MUMPS)用于大规模问题。 - **解决方法**: - **优化网格**: - 减少全局网格密度,仅在关键区域加密。 - 使用扫掠网格(Swept Mesh)或边界层网格减少自由度。 - **改用迭代求解器**: 在特征值求解器中切换为迭代法(如ARPACK): ```matlab model.study("std1").feature("eig").set("eigmethod", "eigs"); % 使用迭代特征值求解器 ``` - **启用稀疏矩阵存储**: 确保矩阵以稀疏格式存储(默认启用,但需检查): ```matlab model.component("comp1").physics("your_physics").prop("ShapeProperty").set("shapefunctiontype", "discontinuous"); % 必要时使用不连续函数减少带宽 ``` - **分布式计算**: 在COMSOL Server或集群上启用分布式矩阵组装和求解。 --- ### **3. 其他调试建议** 1. **检查物理场一致性**: - 确保所有材料参数、边界条件无冲突(如零刚度或负密度)。 - 对于结构力学问题,检查是否遗漏了约束(导致刚体位移)。 2. **简化测试**: - 先求解小规模问题(如2D简化模型)验证设置。 - 逐步增加物理场耦合,定位问题来源。 3. **监控求解器日志**: - 在COMSOL中启用详细日志(`Preferences > Logs > Verbose`),观察矩阵组装和分解的详细信息。 --- ### **示例代码(COMSOL API)** ```matlab % 设置特征值求解器参数 model.study("std1").feature("eig").set("eigmethod", "eigs"); % 迭代求解器 model.study("std1").feature("eig").set("transform", "shiftinvert"); % 谱变换 model.study("std1").feature("eig").set("shift", 1e6); % 位移值 model.study("std1").feature("eig").set("neigs", 10); % 特征值数量 % 优化网格和求解器 model.component("comp1").mesh("mesh1").autoMeshSize(5); % 减少网格密度 model.sol("sol1").feature("e1").set("linsolver", "gmres"); % 线性求解器改为GMRES ``` ---
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