系列文章目录
文章目录
前言
本人最近再练习算法，所以会发布一些解题思路，希望大家多指教
一、题目描述
如果矩阵中的许多系数都为零，那么该矩阵就是稀疏的。对稀疏现象有兴趣是因为它的开发可以带来巨大的计算节省，并且在许多大的实践中都会出现矩阵稀疏的问题。
给定一个矩阵，现在需要逐行和逐列地扫描矩阵，如果某一行或者某一列内，存在连续出现的0的个数超过了行宽或者列宽的一半，则认为该行或者该列是稀疏的。
二、输入描述
第一行输入两个数，分别为M和N
接下来M行输入为矩阵的成员，每行N个成员，矩阵成员都是整数，范围-32768~32767
三、输出描述
输出两行，第一行表示稀疏行的个数，第二行表示稀疏列的个数。
四、Java代码
java
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
// 行的数量
int M = sc.nextInt();
// 列的数量
int N = sc.nextInt();
// 正矩阵（行是行，列是列）
int[][] rowArr = new int[M][N];
//通过二维数组接受矩阵信息
for (int i = 0; i < M; i++) {
for (int j = 0; j < N; j++) {
rowArr[i][j] = sc.nextInt();
}
}
//初始化满足稀疏行的行数
int rowTimes = 0;
//初始化每行最大连续0的个数
int maxRowCount = 0;
//初始化每行连续0的个数
int rowCount = 1;
//初始化每列连续0的个数
int colCount = 0;
//初始化满足稀疏列的列数
int colTimes = 0;
for (int i = 0; i < M; i++) {
for (int j = 0; j < N; j++) {
//处理行数据
if(rowArr[i][j] == 0){
if(j+1 < N && rowArr[i][j+1] == 0){
rowCount++;
}
} else {
//行遍历过程中遇到1时，以为连续的0被断开，需要比较得出当前连续0的最大长度，及将rowCount重置为1
maxRowCount = Math.max(rowCount, maxRowCount);
rowCount = 1;
}
//列的处理，只需要在遍历第一行数据时，通过深度搜索进行判断
if(i == 0){
//处理列
maxColcount = dfs(rowArr, i, j, M, colCount);
if(maxColcount > M/2){
colTimes++;
}
//每列遍历结束后，将maxColcount重置为0
maxColcount = 0;
}
}
if(maxRowCount > N/2){
rowTimes++;
}
//每行遍历结束后，将maxCount重置为0
maxRowCount = 0;
}
System.out.println("稀疏行的个数："+rowTimes);
System.out.println("稀疏列的个数："+colTimes);
}
//初始化每列最大连续0的个数
static int maxColcount = 0;
private static int dfs(int[][] rowArr, int i, int j, int m, int colCount) {
if(rowArr[i][j] == 0){
colCount++;
}
int x = i+1;
if(x>=0 && x < m){
if(rowArr[x][j] == 1){
//当前元素为1，则需要断开连续区间，求出当前最大的连续0长度，重置colCount
maxColcount = Math.max(maxColcount, colCount);
colCount = 0;
}
//继续向下深度搜索
colCount = dfs(rowArr, x, j, m, colCount);
}
return Math.max(maxColcount, colCount);
}五、测试用例
输入：
7 6
1 1 0 1 1 0
0 1 0 0 0 1
1 0 0 0 1 0
1 0 0 0 0 0
0 1 1 0 0 0
1 0 0 0 0 1
1 0 0 0 0 1
输出：
提示
也可以通过，矩阵反转来处理列的数据，本人有点偷懒，所以就直接在处理第一行元素的时候，顺便处理了列的数据。