2732. 找到矩阵中的好子集 Hard

给你一个下标从 0 开始大小为 m x n 的二进制矩阵 grid

从原矩阵中选出若干行构成一个行的 非空 子集,如果子集中任何一列的和至多为子集大小的一半,那么我们称这个子集是 好子集

更正式的,如果选出来的行子集大小(即行的数量)为 k,那么每一列的和至多为 floor(k / 2)

请你返回一个整数数组,它包含好子集的行下标,请你将其 升序 返回。

如果有多个好子集,你可以返回任意一个。如果没有好子集,请你返回一个空数组。

一个矩阵 grid 的行 子集 ,是删除 grid 中某些(也可能不删除)行后,剩余行构成的元素集合。

示例 1:

复制代码
输入:grid = [[0,1,1,0],[0,0,0,1],[1,1,1,1]]
输出:[0,1]
解释:我们可以选择第 0 和第 1 行构成一个好子集。
选出来的子集大小为 2 。
- 第 0 列的和为 0 + 0 = 0 ,小于等于子集大小的一半。
- 第 1 列的和为 1 + 0 = 1 ,小于等于子集大小的一半。
- 第 2 列的和为 1 + 0 = 1 ,小于等于子集大小的一半。
- 第 3 列的和为 0 + 1 = 1 ,小于等于子集大小的一半。

示例 2:

复制代码
输入:grid = [[0]]
输出:[0]
解释:我们可以选择第 0 行构成一个好子集。
选出来的子集大小为 1 。
- 第 0 列的和为 0 ,小于等于子集大小的一半。

示例 3:

复制代码
输入:grid = [[1,1,1],[1,1,1]]
输出:[]
解释:没有办法得到一个好子集。

提示:

·m == grid.length

·n == grid[i].length

·1 <= m <= 104

·1 <= n <= 5

·grid[i][j] 要么是 0 ,要么是 1

题目大意:选择矩阵中某些行使所选行每列相加的和都小于floor(所选行数/2)。

分析:设k为大于2的偶数。

(1)若只选1行,则该行都为0;

(2)若选2行,分别用flag1和flag2代表这两行的数字,则flag1&flag2==0;

(3)若选k(k>2)行,设矩阵共有N列,则每列和最多为k/2,任意两行满足flag1&flag2!=0,子集中1最多有N*(k/2)个,因此每一行平均有N/2个1,所以1的个数最少的一行最多有N/2个1。①当N<=3时,1的个数最少的一行只有1个1,假设这个1在第一列,由于任意两行flag1&flag2!=0,因此其余每行的第1列都是1,这与每列和最多为k/2矛盾,因此N<=3时k不可能大于2;②当N<=5时,1的个数最少的一行有1个1或2个1,只有1个1时情况与①相同,因此只有1个数最少的一行有2个1才可能符合要求,假设这两个1分别在第一列和第二列,则其余每行的第1列和第2列中至少要有1个1使任意两行flag1&flag2!=0,此时前两列共有k+1个1,但每列和最多为k/2,因此前两列1的个数最多应为k,矛盾,因此N<=5时k不可能大于2;

(5)综上所述,当矩阵中存在好子集时,必然存在只有1行或2行的好子集。

cpp 复制代码
class Solution {
public:
    vector<int> goodSubsetofBinaryMatrix(vector<vector<int>>& grid) {
        int M=grid.size(),N=grid[0].size();
        unordered_map<int,int> flag(M);
        for(int i=0,f=0;i<M;++i,f=0){
            for(int j=0;j<N;++j) f|=grid[i][j]<<j;
            flag[f]=i;
        }
        if(flag.find(0)!=flag.end()) return {flag[0]};
        for(auto& [f1,i]:flag){
            for(auto& [f2,j]:flag){
                if(!(f1&f2)) return {min(i,j),max(i,j)};
            }
        }
        return {};
    }
};
相关推荐
颜酱21 分钟前
一步步实现字符串计算器:从「转整数」到「带括号与优化」
javascript·后端·算法
不想写代码的星星1 小时前
std::function 详解:用法、原理与现代 C++ 最佳实践
c++
CoovallyAIHub19 小时前
语音AI Agent编排框架!Pipecat斩获10K+ Star,60+集成开箱即用,亚秒级对话延迟接近真人反应速度!
深度学习·算法·计算机视觉
木心月转码ing21 小时前
Hot100-Day14-T33搜索旋转排序数组
算法
会员源码网1 天前
内存泄漏(如未关闭流、缓存无限增长)
算法
颜酱1 天前
从0到1实现LFU缓存:思路拆解+代码落地
javascript·后端·算法
颜酱1 天前
从0到1实现LRU缓存:思路拆解+代码落地
javascript·后端·算法
CoovallyAIHub2 天前
Moonshine:比 Whisper 快 100 倍的端侧语音识别神器,Star 6.6K!
深度学习·算法·计算机视觉
CoovallyAIHub2 天前
速度暴涨10倍、成本暴降6倍!Mercury 2用扩散取代自回归,重新定义LLM推理速度
深度学习·算法·计算机视觉