经典面试题：有序矩阵的快速查找

 关注

“脚本之家

”，与百万开发者在一起

来源 | 小K算法（ID：xiaok365）

作者 | kyle   

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

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。

刘强东：这个成本是永远不可以省的

观看视频了解

↓↓↓

视频号粉丝福利活动，参与留言互动
每天送出 现金红包/网盘会员

  推荐阅读：