描述
給定一個整數矩陣 A, 它有如下特性:
相鄰的整數不同
矩陣有 n 行 m 列,n和m不會小于3。
對于所有的 i < n, 都有 A[i][0] < A[i][1] && A[i][m - 2] > A[i][m - 1]
對于所有的 j < m, 都有 A[0][j] < A[1][j] && A[n - 2][j] > A[n - 1][j]
我們定義一個位置 [i,j] 是峰值, 當且僅當它滿足:
A[i][j] > A[i + 1][j] && A[i][j] > A[i - 1][j] &&
A[i][j] > A[i][j + 1] && A[i][j] > A[i][j - 1]
找到該矩陣的一個峰值元素, 傳回它的坐标.
保證至少存在一個峰值, 而如果存在多個峰值, 傳回任意一個即可.
線上評測位址:
領扣題庫官網樣例 1:
輸入:
[
[1, 2, 3, 6, 5],
[16,41,23,22, 6],
[15,17,24,21, 7],
[14,18,19,20,10],
[13,14,11,10, 9]
]
輸出: [1,1]
解釋: [2,2] 也是可以的. [1,1] 的元素是 41, 大于它四周的每一個元素 (2, 16, 23, 17).
樣例2:
輸入:
[
[1, 5, 3],
[4,10, 9],
[2, 8, 7]
]
輸出: [1,1]
解釋: 隻有這一個峰值
挑戰
O(n+m) 的時間複雜度.
如果你 認為 你使用了 O(nlogm) 或 O(mlogn) 的算法, 能否證明它的複雜度其實是 O(n+m)? 或者想一個類似的算法但是複雜度是O(n+m)?
解題思路
峰值不是最大值,隻是比四個方向上的數值都大,是局部性的最值。
對于每一個點,它總能屬于某一座山峰(可以不止一座)。
找峰值可以想象成爬山,總是要不斷的從低處向高處移動,這樣移動到最後一定是峰值。
代碼思路
在圖上随機取一點,若有相鄰位置比目前點大則向該相鄰位置移動,直到目前點成為峰值。
最壞情況是螺旋式上升,且随機在了起點位置,那麼就要爬升一半的點
1 2 3 4 5
0 0 0 0 6
15 16 17 0 7
14 0 0 0 8
13 12 11 10 9
如果遇到最壞的情況,我們可以通過當爬升超過一定距離後重新随機一個點,使得相對平均效率較高
複雜度分析
NN表示行數,MM表示列數
空間複雜度:O(1)
平均時間複雜度:O(N+M)
public class Solution {
/*
* @param A: An integer matrix
* @return: The index of the peak
*/
public List<Integer> findPeakII(int[][] A) {
int n = A.length;
int m = A[0].length;
int now_x, now_y, next_x, next_y;
//這裡初始位置選擇為中心位置
now_x = n / 2;
now_y = m / 2;
while (1 == 1) {
next_x = now_x;
next_y = now_y;
//四個方向上若有比目前位置大的,則向該方向移動
if (now_x + 1 < n && A[now_x + 1][now_y] > A[next_x][next_y]) {
next_x = now_x + 1;
next_y = now_y;
}else if (now_x - 1 >= 0 && A[now_x - 1][now_y] > A[next_x][next_y]) {
next_x = now_x - 1;
next_y = now_y;
}else if (now_y + 1 < m && A[now_x][now_y + 1] > A[next_x][next_y]) {
next_x = now_x;
next_y = now_y + 1;
}else if (now_y-1 >= 0 && A[now_x][now_y - 1] > A[next_x][next_y]) {
next_x = now_x;
next_y = now_y - 1;
}
//若四個方向上都比目前位置小,即為峰值直接傳回答案
if (next_x == now_x && next_y == now_y) {
return new ArrayList<Integer>(Arrays.asList(now_x, now_y));
}
now_x = next_x;
now_y = next_y;
}
}
}
更多題解參考:
九章官網solution