力扣 378. 有序矩阵中第 K 小的元素

题目来源:https://leetcode.cn/problems/kth-smallest-element-in-a-sorted-matrix/

大致题意:
给一个 n*n 的有序矩阵(每一行、每一列都是升序排列),一个整数 k,找出矩阵中第 k 小的元素


思路

优先队列

把矩阵的每一行想成一个有序数组,该题就变成了在 n 个有序数组中找第 k 小的元素

解题思路可以概括为

  1. 通过优先队列存下所有数组当前还未遍历的最小元素,具体实现时,优先队列的元素可以是一个大小为 3 的数组,内容依次为 [元素值,元素所在行,元素所在列]
  2. 初始时优先队列存储的内容为每行的第一个元素,以及对应元素的位置
  3. 弹出队首元素,并将队首元素所在数组的下一个元素放入队列(如果还有下一个)。这样弹出 k - 1 次后,队首元素即为第 k 小的元素。

之所以每次弹出元素后,将弹出元素所在行的下一个元素加入队列,是因为下一个最小的元素要么为已经加入队列中的元素,要么为已弹出元素的下一个

代码:

public int kthSmallest_MergeSort(int[][] matrix, int k) {
        PriorityQueue<int[]> queue = new PriorityQueue<>((a, b) -> a[0] - b[0]);
        int n = matrix.length;
        // 存下所有行的第一个元素
        // 优先队列的元素是一个大小为 3 的数组,内容为 [元素值,元素所在行,元素所在列]
        for (int i = 0; i < n; i++) {
            queue.offer(new int[]{matrix[i][0], i, 0});
        }
        int idx = 1;
        // 弹出 k - 1 次
        while (idx++ < k) {
            int[] cur = queue.poll();
            // 若当前元素对应行还有后续元素,放入队列
            if (cur[2] < n) {
                queue.offer(new int[]{matrix[cur[1]][cur[2] + 1], cur[1], cur[2] + 1});
            }
        }
        // 当前队首元素值即为所求值
        return queue.peek()[0];
    }
二分

传统的二分的思路是每次比较后可以忽略掉当前查询区间范围的一半,这样就达到了查询优化的效果。

对于本题,可以使用类似二分的思想求矩阵中第 k 小的元素。

  1. 初始左边界为左上角元素,右边界为右下角元素
  2. 每次求出矩阵中小于等于当前中间值的个数 count,根据 count 与 k 的大小更新左右边界,最终边界值即为所求值

可以通过如下方法求有序矩阵小于等于 t 的元素个数:

初始位置是矩阵的左下角

  • 如果当前位置 [i, j] 的值小于等于 t,表示当前列在当前位置上侧的元素都小于等于 t,统计当前列小于等于 t 的元素个数后,需要在更大的范围找,则将 j + 1,即当前位置右移
  • 如果当前位置 [i, j] 的值大于 t,表示当前行在当前位置右侧元素都大于 t,需要在缩小查找的范围,则将 i - 1,即当前位置上移

重复上述操作,直至当前位置不再矩阵中

具体看代码

	int n;
    public int kthSmallest_BinarySearch(int[][] matrix, int k) {
        n = matrix.length;
        // 左右边界
        long l = matrix[0][0];
        long r = matrix[n - 1][n - 1];
        while (l < r) {
            long mid = (l + r) >> 1;
            // 求出矩阵中小于等于 mid 的数的个数
            int count = getCount(matrix, mid);
            // count 小于 k 表示第 k 小的元素值大于 mid,更新左边界
            if (count < k) {
                l = mid + 1;
            } else {    // 否则,表示第 k 小的元素值小于等于 mid,更新右边界
                r = mid;
            }
        }
        return (int) l;
    }

    // 求出矩阵中小于等于 mid 的数的个数
    public int getCount(int[][] matrix, long target) {
        int count = 0;
        int row = n - 1;
        int col = 0;
        while (row >= 0 && col < n) {
            // 当前位置值小于等于给定目标,向右移动
            // 并统计当前列小于等于给定目标的数的个数
            if (matrix[row][col] <= target) {
                count += row + 1;
                col++;
            } else {    // 当前位置值大于给定目标,向上移动
                row--;
            }
        }
        return count;
    }	
### 力扣热门100题列表 力扣LeetCode)上的热门题目通常是指那些被广泛讨论、高频面试或者具有较高难度的题目。这些题目涵盖了数据结构和算法的核心知识点,适合用来提升编程能力和解决实际问题的能力。 以下是基于社区反馈整理的部分 **LeetCode Hot 100 Problems List**: #### 数组与字符串 1. Two Sum (两数之和)[^1] 2. Longest Substring Without Repeating Characters (无重复字符的最长子串)[^2] 3. Median of Two Sorted Arrays (两个有序数组的中位数)[^1] 4. Container With Most Water (盛最多水的容器)[^2] #### 链表 5. Reverse Linked List (反转链表) 6. Merge Two Sorted Lists (合并两个有序链表) 7. Remove Nth Node From End of List (删除倒数第N个节点) 8. Linked List Cycle II (环形链表II) #### 堆栈与队列 9. Valid Parentheses (有效的括号) 10. Min Stack (最小栈) 11. Sliding Window Maximum (滑动窗口最大值)[^2] #### 树与二叉树 12. Binary Tree Inorder Traversal (二叉树的中序遍历) 13. Validate Binary Search Tree (验证二叉搜索树) 14. Same Tree (相同的树) 15. Serialize and Deserialize Binary Tree (序列化与反序列化二叉树) #### 图论 16. Number of Islands (岛屿数量) 17. Course Schedule (课程表) 18. Clone Graph (克隆图) #### 排序与搜索 19. Find First and Last Position of Element in Sorted Array (在排序数组中查找元素的第一个和最后一个位置) 20. Search a 2D Matrix (二维矩阵搜索) 21. K Closest Points to Origin (最接近原点的K个点) #### 动态规划 22. Climbing Stairs (爬楼梯) 23. House Robber (打家劫舍)[^1] 24. Coin Change (零钱兑换) 25. Unique Paths (不同路径) #### 贪心算法 26. Jump Game (跳跃游戏)[^1] 27. Non-overlapping Intervals (无重叠区间) 28. Best Time to Buy and Sell Stock (买卖股票的最佳时机)[^1] #### 字符串匹配与处理 29. Implement strStr() (实现strStr()) 30. Longest Consecutive Sequence (最长连续序列) 31. Group Anagrams (分组异位词) --- ### 示例代码片段 以下是一个关于动态规划的经典例子——`Climbing Stairs` 的 Python 实现: ```python class Solution: def climbStairs(self, n: int) -> int: if n == 1 or n == 2: return n dp = [0] * (n + 1) dp[1], dp[2] = 1, 2 for i in range(3, n + 1): dp[i] = dp[i - 1] + dp[i - 2] return dp[n] ``` 上述代码通过动态规划的方式解决了 `Climbing Stairs` 问题,时间复杂度为 \(O(n)\),空间复杂度同样为 \(O(n)\)[^1]。 --- ###
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

打赏作者

三更鬼

谢谢老板!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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