经典面试题:有序矩阵的快速查找

算法核心不在于框架用得有多熟练,更多在于逻辑和思维方式,很多情况都需要变换间接建模。本文将通过一个经典的面试题来描述思维过程,引导最终问题建模。

01
金三银四

最近招聘市场各路神仙出没,小K也打算去凑一下热闹。

热身运动,小K先和面试官过了几招,不分胜负。
接着面试官要开始放大招了。

这招怎么化解呢,等小K先思考2分钟。

02
分析
2.1
不思考解法
从左上到右下,一个一个的对比不就行了吗,当然这肯定不是面试官期望的。
2.2
逐行二分
一维的可以用二分快速查找,那就分解成一维,一行一行的用二分不就行了吗。
但每一列也是有序的,这种方法其实就没有用上这个信息了,所以肯定还有更好的方法。
03
找规律

一般是先想一下有没有可以套用的算法框架,如果不能发现很明显的算法,可以先分析问题的规律,然后再尝试变换间接建模。我们先尝试把所有能发现的规律都找出来。

根据问题描述,每行每列都升序。
更小规模也符合相同的规律,这就意味着可以想办法缩小问题规模。
从左上开始只能向下向右,则经过的路线升序。
从左上斜着看,还有点像小根堆。
对角线方向升序。
在对角线上选取一个数与目标数对比,可以用分治的思想,分块把大问题化解为小问题。
在边缘选取一个数,可以一行一列的删除,把大问题化解为小问题。
大于目标数,按列快速缩小问题规模。
小于目标数,按行快速缩小问题规模。
根据上面找出的规律,有很多的方式都可以缩小问题规模,那从哪个点开始判断呢。
所以从右上或者左下开始都可以。
04
算法建模
根据上面总结的规律,可以有很多种算法,这里以效率比较高的2种算法说明。
4.1
线性缩小
代码实现
bool solve1(vector<vector<int>> &matrix, ofstream &cout, int x) {
    int i, j;
    i = 0;
    j = matrix[0].size() - 1;
    bool flag = false;
    while (i < matrix[0].size() && j >= 0) {
        if (matrix[i][j] > x) {
            --j;
        } else if (matrix[i][j] < x) {
            ++i;
        } else {
            return true;
        }
    }
    return false;
}
4.2
二分缩小
代码实现
按行二分,缩小列
int searchColumn(vector<vector<int>> &matrix, int up, int right, int x) {
    int i, j, mid;
    i = 0;
    j = right;
    while (i < j) {
        mid = (i + j) / 2;
        if (x < matrix[up][mid]) {
            j = mid - 1;
        } else if (x > matrix[up][mid]) {
            i = mid + 1;
        } else {
            i = j = mid;
        }
    }
    if (matrix[up][i] > x) --i;
    return i;
}
按列二分,缩小行
int searchRow(vector<vector<int>> &matrix, int up, int right, int x) {
    int i, j, mid;
    i = up;
    j = matrix.size() - 1;
    while (i < j) {
        mid = (i + j) / 2;
        if (x < matrix[mid][right]) {
            j = mid - 1;
        } else if (x > matrix[mid][right]) {
            i = mid + 1;
        } else {
            i = j = mid;
        }
    }
    if (matrix[i][right] < x) ++i;
    return i;
}
主要过程
bool solve2(vector<vector<int>> &matrix, ofstream &cout, int x) {
    int up, right;
    up = 0;
    right = matrix[0].size() - 1;
    while (!(up == matrix.size() || right < 0)) {
        right = searchColumn(matrix, up, right, x);
        if (right < 0) continue;
        up = searchRow(matrix, up, right, x);
        if (up == matrix.size())continue;
        if (matrix[up][right] == x) {
            return true;
        }
    }
    return false;
}
05
数据测试
数据生成
void dataInit() {
    ofstream cout('a.in');
    int s = 0;
    for (int i = 0; i < 5000; ++i) {
        for (int j = 0; j < 5000; ++j) {
            cout << s + i + j << ' ';
        }
        s += 4999;
        cout << endl;
    }
}
执行效率
目标数:10002500
线性执行效率:
row=2000, column=2500
T1=288
二分执行效率
row=2000, column=2500
T2=10
06
总结
通过问题的现象,分析本质,可以发现很多隐藏的规律,然后再通过所学的知识进行问题建模,进而解决未知的问题。
如果喜欢小K的文章,请点个关注,分享给更多的人,小K将持续更新,谢谢啦!
(0)

相关推荐