一、问题描述:
给你一个满足下述两条属性的 m x n 整数矩阵:
每行中的整数从左到右按非严格递增顺序排列。
每行的第一个整数大于前一行的最后一个整数。
给你一个整数 target ,如果 target 在矩阵中,返回 true ;否则,返回 false 。
二、二分查找:
1、思路分析:使用二分查找的思想,将二维矩阵当作一维数组来处理。
将二维矩阵展开成一维数组后,可以通过计算元素在一维数组中的索引来访问对应的元素。
设定搜索范围为一维数组的起始位置到结束位置,然后在该范围内进行二分查找。
在每次迭代中,计算中间元素的值,并与目标值进行比较,根据比较结果更新搜索范围。
2、代码示例
java
class Solution {
public boolean searchMatrix(int[][] matrix, int target) {
int n = matrix.length, m = matrix[0].length; // 获取矩阵的行数和列数
int low = 0, high = m * n - 1; // 初始化二分查找的搜索范围为一维数组的起始位置到结束位置
while (low <= high) { // 当搜索范围有效时执行循环
int mid = low + (high - low) / 2; // 计算中间元素的索引
int x = matrix[mid / m][mid % m]; // 获取中间元素的值
if (x > target) // 如果中间元素大于目标值
high = mid - 1; // 更新搜索范围为左半部分
else if (x < target) // 如果中间元素小于目标值
low = mid + 1; // 更新搜索范围为右半部分
else // 如果中间元素等于目标值
return true; // 返回true
}
return false; // 若搜索范围无效,则返回false
}
}
3、 时间复杂度分析:
设矩阵的行数为n,列数为m。在初始化后,二分查找的时间复杂度为O(log(nm))。
每次迭代中,都是在一维数组中进行操作,因此单次迭代的时间复杂度为O(1)。
整体的时间复杂度取决于二分查找的次数,即O(log(nm))。
三、搜索二叉树法(思想类似):
1、思路分析
在二叉搜索树中,每个节点都有左子树和右子树,且左子树中的所有节点的值都小于当前节点的值,右子树中的所有节点的值都大于当前节点的值。因此,可以利用这个性质在BST中进行高效的搜索。这种思路称为二分搜索,每次搜索都可以将搜索范围缩小一半,因此搜索效率很高。虽然二维矩阵不是二叉搜索树,但可以利用类似的思想,在每一步中根据当前元素与目标值的大小关系,决定搜索范围的缩小方向。
2、具体步骤
从二维矩阵的右上角开始,利用矩阵的性质进行搜索:
①如果当前元素大于目标值,则目标值不可能在当前元素的列中,因此将列索引向左移动。
②如果当前元素小于目标值,则目标值不可能在当前元素的行中,因此将行索引向下移动。
③如果当前元素等于目标值,则找到目标值,返回true。
重复以上步骤直到找到目标值或者搜索范围超出矩阵边界。
3、代码示例
java
class Solution {
public boolean searchMatrix(int[][] matrix, int target) {
int n = 0, m = matrix[0].length - 1;
while(n < matrix.length && m >= 0){
if(matrix[n][m] > target) m--;
else if(matrix[n][m] < target) n++;
else return true;
}
return false;
}
}
4、 时间复杂度分析:
设矩阵的行数为n,列数为m。在最坏情况下,搜索范围会在矩阵的对角线上移动,因此时间复杂度为O(n + m)。
在每次迭代中,都是在矩阵中进行操作,因此单次迭代的时间复杂度为O(1)。
整体的时间复杂度为O(n + m)。