leetcode 74. 搜索二维矩阵(Search a 2D Matrix)

本文探讨了在有序矩阵中高效查找目标值的方法,通过三种不同的算法实现:优先队列、二分搜索和从右上角开始的搜索策略。这些方法在LeetCode上的表现各异,提供了对不同算法效率的直观理解。

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


编写一个高效的算法来判断 m x n 矩阵中,是否存在一个目标值。该矩阵具有如下特性:

  • 每行中的整数从左到右按升序排列。
  • 每行的第一个整数大于前一行的最后一个整数。

示例 1:

输入:
matrix = [
  [1,   3,  5,  7],
  [10, 11, 16, 20],
  [23, 30, 34, 50]
]
target = 3
输出: true

示例 2:

输入:
matrix = [
  [1,   3,  5,  7],
  [10, 11, 16, 20],
  [23, 30, 34, 50]
]
target = 13
输出: false

 

 

leetcode 378. 有序矩阵中第K小的元素(Kth Smallest Element in a Sorted Matrix)

我的做法还是和上面的378号题一样,优先队列,效率还能接受,15ms,最快的是6ms,beat 34.86%

 

class Solution {
    public boolean searchMatrix(int[][] matrix, int target) {
    	int n = matrix.length;
    	if(n<1 || matrix[0].length<1 || target<matrix[0][0] || target>matrix[n-1][matrix[0].length-1])
    		return false;
        
    	PriorityQueue<Tuple> pq = new PriorityQueue<>();
    	for(int i=0;i<matrix[0].length;i++)
    		pq.add(new Tuple(0, i, matrix[0][i]));
    	while(!pq.isEmpty()) {
    		Tuple t = pq.poll();
    		if(t.val == target)
    			return true;
    		if(t.val<target) {
    			if(t.x==n-1)
    				continue;
    			pq.add(new Tuple(t.x+1, t.y, matrix[t.x+1][t.y]));
    		}
    	}
    	
        return false;
    }
    
    class Tuple implements Comparable<Tuple>{
    	int x;
    	int y;
    	int val;
		@Override
		public int compareTo(Tuple o) {
			return this.val - o.val;
		}
		public Tuple(int x,int y,int val) {
			this.x = x;
			this.y =y;
			this.val = val;
		}
		public Tuple() {}
    }
}

 

leetcode外网vote最高的解法

/**
 *  Do binary search in this "ordered" matrix
 */
public boolean searchMatrix(int[][] matrix, int target) {
	
	int row_num = matrix.length;
	int col_num = matrix[0].length;
	
	int begin = 0, end = row_num * col_num - 1;
	
	while(begin <= end){
		int mid = (begin + end) / 2;
		int mid_value = matrix[mid/col_num][mid%col_num];
		
		if( mid_value == target){
			return true;
		
		}else if(mid_value < target){
			//Should move a bit further, otherwise dead loop.
			begin = mid+1;
		}else{
			end = mid-1;
		}
	}
	
	return false;
}

 

 

 

很简洁

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

基本思路如下:

 

  1. 从右上角开始
  2. 如果当前值矩阵[i] [j]大于目标,则i--
  3. 如果当前值矩阵[i] [j]小于目标,那么j ++

 

 

 

 

beat 100%

class Solution {
    public boolean searchMatrix(int[][] matrix, int target) {
        // if(matrix == null || matrix[0] == null || matrix.length == 0 || matrix[0].length == 0){
        //         return false;
        // }
        if(matrix == null || matrix.length == 0 || matrix[0].length == 0) {
            return false;
        }

        int xStart = 0;
        int yStart = matrix.length - 1;
        while( xStart <= matrix[0].length - 1 && yStart >= 0 ) {
                if( target > matrix[yStart][xStart] ){
                        xStart++;        
                }else if( target < matrix[yStart][xStart]){
                        yStart--;
                }else{
                        return true;
                }
                
        }    
            return false;
    }
}

 

内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
内容概要:本文详细介绍了基于Seggiani提出的渣层计算模型,针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布,还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能,包括炉渣粘度模型、流动速率计算、厚度更新、与三维模型的集成以及可视化展示。此外,还扩展了模型以考虑炉渣组成对特性的影响,并引入了Bingham流体模型,更精确地描述了含未溶解颗粒的熔渣流动。最后,通过实例展示了氧气-蒸汽流量增加2%时的动态响应,分析了温度、流动特性和渣层分布的变化。 适合人群:从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。 使用场景及目标:①评估不同操作条件下气化炉内炉渣的行为变化;②预测并优化气化炉的操作参(如温度、氧煤比等),以防止炉渣堵塞;③为工业气化炉的设计和操作提供理论支持和技术指导。 其他说明:该模型的实现基于理论公式和经验据,为确保模型准确性,实际应用中需要根据具体气化炉的据进行参校准。模型还考虑了多个物理场的耦合,包括质量、动量和能量守恒方程,能够模拟不同操作条件下的渣层演变。此外,提供了稳态求解器和动态模拟工具,可用于扰动测试和工业应用案例分析。
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