在一个二维矩阵中寻找一个矩阵的区域,使其中的数字之和达到最大值

这个问题是二维最大子矩阵和问题,是一维最大子数组和问题的扩展。我们可以使用动态规划和 Kadane 算法的思想来解决这个问题。以下是 C++ 实现:

class Solution {
public:
    vector<int> maxSubMatrix(vector<vector<int>>& matrix) {
        // 检查矩阵是否为空
        if (matrix.empty() || matrix[0].empty()) return {};
        
        int rows = matrix.size(), cols = matrix[0].size();
        int maxSum = INT_MIN;
        // 结果向量:左边界,上边界,右边界,下边界,最大和
        vector<int> result(5, 0);
        
        // 遍历所有可能的左边界
        for (int left = 0; left < cols; left++) {
            // temp数组用于存储当前左右边界之间的列和
            vector<int> temp(rows, 0);
            // 遍历所有可能的右边界
            for (int right = left; right < cols; right++) {
                // 更新temp数组,加上当前列
                for (int i = 0; i < rows; i++) {
                    temp[i] += matrix[i][right];
                }
                
                // 在temp数组上应用Kadane算法
                int kadaneSum = 0, kadaneStart = 0, kadaneEnd = -1;
                int currentSum = 0, tempStart = 0;
                
                // Kadane算法:在temp数组中寻找最大子数组和
                for (int i = 0; i < rows; i++) {
                    currentSum += temp[i];
                    if (currentSum < 0) {
                        // 如果当前和为负,重新开始
                        currentSum = 0;
                        tempStart = i + 1;
                    } else if (currentSum > kadaneSum) {
                        // 更新Kadane的最大和及其边界
                        kadaneSum = currentSum;
                        kadaneStart = tempStart;
                        kadaneEnd = i;
                    }
                }
                
                // 如果找到更大的和,更新全局结果
                if (kadaneSum > maxSum) {
                    maxSum = kadaneSum;
                    result = {left, kadaneStart, right, kadaneEnd, maxSum};
                }
            }
        }
        
        return result;
    }
};

这个算法的工作原理如下:

  1. 我们使用两个嵌套的循环来尝试矩阵的所有可能的左边界和右边界。
  2. 对于每一对左右边界,我们计算这些列的和,存储在 temp 数组中。
  3. 然后,我们在 temp 数组上应用 Kadane 算法来找到最大的子数组和,这对应于给定左右边界下的最大子矩阵。
  4. 我们保持跟踪全局最大和及其对应的左、上、右、下边界。
  5. 最后,我们返回一个包含最大和子矩阵的左、上、右、下边界和最大和的向量。

这个算法的时间复杂度是 O(n^3),其中 n 是矩阵的行数和列数中的较大者。虽然这不是最优的解法(存在 O(n^3) 的解法),但它相对容易理解和实现。

空间复杂度是 O(n),因为我们使用了一个额外的数组来存储列的和。

这个算法可以处理包含正数、负数和零的整数矩阵。它也可以处理全负数的情况,在这种情况下,它会返回矩阵中最大的单个元素。

相关推荐
星沁城3 小时前
240. 搜索二维矩阵 II
java·线性代数·算法·leetcode·矩阵
幼儿园园霸柒柒17 小时前
第七章: 7.3求一个3*3的整型矩阵对角线元素之和
c语言·c++·算法·矩阵·c#·1024程序员节
星沁城21 小时前
73. 矩阵置零
java·算法·矩阵
jndingxin1 天前
OpenCV视觉分析之目标跟踪(11)计算两个图像之间的最佳变换矩阵函数findTransformECC的使用
opencv·目标跟踪·矩阵
pen-ai2 天前
【机器学习】21. Transformer: 最通俗易懂讲解
人工智能·神经网络·机器学习·矩阵·数据挖掘
会写代码的饭桶2 天前
【C++刷题】力扣-#566-重塑矩阵
c++·leetcode·矩阵
君臣Andy2 天前
【矩阵的大小和方向的分解】
线性代数·矩阵
勤劳的进取家2 天前
利用矩阵函数的导数公式求解一阶常系数微分方程组的解
线性代数
武子康2 天前
大数据-207 数据挖掘 机器学习理论 - 多重共线性 矩阵满秩 线性回归算法
大数据·人工智能·算法·决策树·机器学习·矩阵·数据挖掘
玛卡巴卡(努力学习版)2 天前
矩阵特殊打印方式
c++·算法·矩阵