当前位置: 首页 > article >正文

每日一题 力扣 3548. 等和矩阵分割 II 前缀和 哈希表 C++ 题解

文章目录题目描述思路简述代码实现复杂度分析踩坑记录题目描述力扣 3548. 等和矩阵分割 II示例 1输入 grid [[1,4],[2,3]]输出 true解释在第 0 行和第 1 行之间进行水平分割结果两部分的元素和为 1 4 5 和 2 3 5相等。因此答案是 true。示例 2输入 grid [[1,2],[3,4]]输出 true解释在第 0 列和第 1 列之间进行垂直分割结果两部分的元素和为 1 3 4 和 2 4 6。通过从右侧部分移除 2 6 - 2 4两部分的元素和相等并且两部分保持连通。因此答案是 true。示例 3输入 grid [[1,2,4],[2,3,5]]输出 false解释在第 0 行和第 1 行之间进行水平分割结果两部分的元素和为 1 2 4 7 和 2 3 5 10。通过从底部部分移除 3 10 - 3 7两部分的元素和相等但底部部分不再连通分裂为 [2] 和 [5]。因此答案是 false。示例 4输入 grid [[4,1,8],[3,2,6]]输出 false解释不存在有效的分割因此答案是 false。提示1 m grid.length 1051 n grid[i].length 1052 m * n 1051 grid[i][j] 105思路简述有了昨日每日一题的铺垫初次接触的朋友可以先参考我的上篇博客每日一题 力扣 3546. 等和矩阵分割 I 前缀和 贪心 剪枝 C 题解本题与前一题的核心区别在于允许移除矩阵中最多一个元素让分割线两侧的元素和相等且移除元素后分割对应的区域必须保持连通。整体解题思路与前题相似但本题放弃了数组形式的前缀和统计改用变量累加的方式实现前缀和大幅简化了空间开销并引入了哈希表。本题的核心难点是连通性判断删除元素后导致区域不连通的场景仅有两种 (我们视角是按照上半部分与左半部分进行分析不考虑下半部分与右半部分后面说明原因)——水平分割后上侧区域仅为一行、垂直分割后左侧区域仅为一列。这两种特殊场景下我们只能删除所在行/列两端的元素才能保证连通性如下图所示如果单独为水平、垂直分割编写两套代码再结合坐标特判、前缀和数组的坐标偏差逻辑会非常繁琐。因此我们采用旋转复用的技巧仅实现一套水平切割的判断逻辑对矩阵执行4次顺时针90°旋转即可复用同一套代码完成水平、垂直所有方向的分割判定。之后由于这道题可以删除一个元素所以我们提前计算出这个x我们设需要删除的元素值为x分割线上半部分和为sum矩阵总和为total那么后面的这个灯饰我们一定能够认可sum - x total - sum即可推导出核心公式x sum * 2 - total(公式有很多种不同的推导方式选用该公式可以完全避免除法运算带来的精度误差)。每次旋转后我们先对矩阵做边界剪枝与特殊处理m 2由于矩阵不为空意味着当前矩阵仅有一行m 1不满足水平切割的基本条件直接旋转矩阵进入下一轮判断。n 1当前矩阵仅有一列属于一维数组的极端情况虽然是极端情况课这个情况好处理即当成一个一维数组单独遍历处理即可只需要注意x坐标的合法性也就是连通性判断这个判断就是上图所展示的情况旋转矩阵进入下一轮。完成剪枝后进入核心统计逻辑最外层的循环逐行遍历矩阵模拟枚举水平分割线。每确定一条分割线并通过变量统计上半部分的元素和变量实现前缀和同时用哈希表记录上半部分的所有元素值。同样提前计算x针对计算结果分情况判断若x 0无需删除任何元素两部分和已相等直接返回true。若x是具体的数这样我们知道了可以删除的值再去哈希表中进行查找由于我们的矩阵旋转所以不用怕上半部分的和小于下半部分应该是下半部分删除元素的问题借助矩阵旋转我们无需处理下半部分删除元素的场景——旋转后下半部分会变为上半部分可被同一套逻辑覆盖找到目标值x后结合连通性规则校验若上半部分仅一行仅校验行两端元素是否等于x若上半部分≥2行任意元素均可删除直接校验哈希表即可。注这里哈希只需要统计上半部分x是否出现过即可因为特殊位置是固定的所以我们无需统计x的位置最后对矩阵执行顺时针90°旋转进入下一轮方向的判断。矩阵旋转实现通过公式tmp[j][m-1-i] grid[i][j]实现矩阵顺时针90°旋转核心作用是将原矩阵的列转换为行让垂直分割等价为水平分割实现代码复用。代码实现classSolution{public:// 矩阵顺时针旋转90度// 核心作用将 列 → 转换为行让垂直分割可以复用水平分割的代码vectorvectorintrotation(vectorvectorintgrid){intmgrid.size(),ngrid[0].size();// 旋转后矩阵尺寸n行 m列vectorvectorinttmp(n,vectorint(m,0));for(inti0;im;i)for(intj0;jn;j)// 坐标变换公式原(i,j) → 旋转后(j, m-1-i)tmp[j][m-1-i]grid[i][j];returntmp;}boolcanPartitionGrid(vectorvectorintgrid){longlongtotal0;// 矩阵所有元素的总和longlongsum;// 分割线上半部分的元素和前缀和longlongx;// 需要删除的元素值sum - x total - sum → x 2*sum - totalintmgrid.size();// 矩阵行数intngrid[0].size();// 矩阵列数unordered_setlonglongexist;// 存储分割线上半部分的所有元素值不存下标// 第一步计算整个矩阵的元素总和for(inti0;im;i)for(intj0;jn;j)totalgrid[i][j];// 旋转4次覆盖 水平/垂直 四个分割方向上→下、下→上、左→右、右→左for(intk0;k4;k){exist.clear();// 清空哈希表重新记录当前分割的上半部分元素exist.insert(0);// 初始化占位无实际作用兼容边界sum0;// 重置上半部分和mgrid.size();// 更新当前旋转后的矩阵行数ngrid[0].size();// 更新当前旋转后的矩阵列数// 剪枝1当前矩阵只有1行无法水平切割直接旋转下一个方向if(m2){gridrotation(grid);continue;// 直接进入下一轮}// 剪枝2特殊情况 → 矩阵只有1列一维数组单独处理if(n1){for(inti0;im-1;i){sumgrid[i][0];xsum*2-total;// 满足条件无需删除 或 删除列的两端元素保证连通if(x0||xgrid[0][0]||xgrid[i][0]){returntrue;}}gridrotation(grid);continue;// 直接进入下一轮}// 核心逻辑枚举所有水平分割线遍历到倒数第二行保证下半部分非空for(inti0;im-1;i){// 累加当前行所有元素存入哈希表哈希表只保留分割线上半部分for(intj0;jn;j){exist.insert(grid[i][j]);sumgrid[i][j];}// 计算需要删除的元素值xsum*2-total;// 情况1分割后上半部分只有 1 行i0// 连通性规则只能删除行的 左右两端 元素if(i0){if(x0||xgrid[0][0]||xgrid[0][n-1])returntrue;continue;// 直接进入下一轮}// 情况2分割后上半部分 ≥ 2 行// 连通性规则删除任意元素都连通只要哈希表存在x就合法if(exist.contains(x))returntrue;}// 当前方向检查完毕旋转矩阵检查下一个方向gridrotation(grid);}// 四个方向都检查完毕无有效分割returnfalse;}};复杂度分析时间复杂度O ( m n ) O(mn)O(mn)矩阵共旋转4次每次旋转与遍历的时间复杂度均为矩阵元素总个数m n mnmn常数系数不影响复杂度量级。空间复杂度O ( m n ) O(mn)O(mn)主要开销为旋转矩阵的临时数组、哈希表存储的元素值均与矩阵元素个数线性相关。踩坑记录最初尝试使用二维数组统计前缀和但后续被连通性的判定条件绕晕甚至混淆了矩阵的行和列导致逻辑混乱。一开始想用unordered_map建立元素值与下标的映射来校验连通性看完题解后发现了更简洁的思路仅统计分割线一侧的元素结合固定坐标校验特殊位置即可完全不需要记录下标大幅简化了代码逻辑。如果这篇博客对你有帮助别忘了点赞支持一下也可以收藏起来方便后续刷题复习时随时翻看。要是能顺手点个关注爱弥斯还能得到漂泊者批准的游戏时间哦

相关文章:

每日一题 力扣 3548. 等和矩阵分割 II 前缀和 哈希表 C++ 题解

文章目录题目描述思路简述代码实现复杂度分析踩坑记录题目描述 力扣 3548. 等和矩阵分割 II 示例 1: 输入: grid [[1,4],[2,3]] 输出: true 解释: 在第 0 行和第 1 行之间进行水平分割,结果两部分的元素和为 1 4 5…...

Cogito-v1-preview-llama-3B效果展示:中英日法等30+语言生成质量对比

Cogito-v1-preview-llama-3B效果展示:中英日法等30语言生成质量对比 1. 模型核心能力概览 Cogito v1预览版是Deep Cogito推出的混合推理模型系列,在大多数标准基准测试中均超越了同等规模下最优的开源模型。这个3B参数的模型在编码、STEM、指令执行和通…...

PasteMD真实案例分享:从零散笔记到结构化学习计划的全过程

PasteMD真实案例分享:从零散笔记到结构化学习计划的全过程 1. 引言:当杂乱笔记遇上智能格式化 你是否经历过这样的困境?电脑桌面上散落着十几个临时创建的记事本文件,手机备忘录里堆满了未经整理的零散想法,会议录音…...

[260326] x-cmd v0.8.10:跨 Shell 统一配置命令短名;自动装好依赖运行 WhisperLiveKit 实时语音转写

[260326] x-cmd v0.8.10:跨 Shell 统一配置命令短名;自动装好依赖运行 WhisperLiveKit 实时语音转写 开放 shortcut 内部模块,配置命令短名,支持跨 Shell 统一使用whisper 模块新增 livekit 命令,自动装好依赖&#x…...

Qwen2.5-VL-7B-Instruct镜像免配置教程:开箱即用的视觉语言推理平台

Qwen2.5-VL-7B-Instruct镜像免配置教程:开箱即用的视觉语言推理平台 1. 开篇介绍 你是否遇到过这样的场景:需要快速搭建一个能同时理解图片和文字的AI系统,却被复杂的配置步骤劝退?今天我要介绍的Qwen2.5-VL-7B-Instruct镜像&am…...

SOONet与Transformer架构深度解析:提升长视频理解精度的核心技术

SOONet与Transformer架构深度解析:提升长视频理解精度的核心技术 最近在折腾长视频内容理解的项目时,遇到了一个挺头疼的问题:用户给一段长达几分钟甚至几十分钟的视频,再提一个复杂的自然语言问题,比如“请找出视频中…...

NaViL-9B图文理解入门:支持中英文混合提问的实测案例

NaViL-9B图文理解入门:支持中英文混合提问的实测案例 1. 认识NaViL-9B NaViL-9B是一款原生多模态大语言模型,由专业研究机构开发。它最大的特点是能够同时处理文字和图片信息,就像一个能"看图说话"的智能助手。无论是纯文字问题&…...

NaViL-9B实战手册:健康检查API与服务异常定位全流程

NaViL-9B实战手册:健康检查API与服务异常定位全流程 1. 平台概览 NaViL-9B是由专业AI研究机构开发的原生多模态大语言模型,能够同时处理纯文本问答和图片理解任务。该模型特别针对中文场景优化,支持中英文混合输入,为开发者提供…...

FireRed-OCR保姆级教程:一键部署,精准提取表格公式转Markdown

FireRed-OCR保姆级教程:一键部署,精准提取表格公式转Markdown 1. 引言:为什么选择FireRed-OCR? 在日常工作和学习中,我们经常遇到需要从PDF、图片等文档中提取表格、公式等内容的情况。传统OCR工具往往难以准确识别复…...

Greasy Fork:开源用户脚本平台的价值探索与实践指南

Greasy Fork:开源用户脚本平台的价值探索与实践指南 【免费下载链接】greasyfork An online repository of user scripts. 项目地址: https://gitcode.com/gh_mirrors/gr/greasyfork 一、价值定位:重新定义浏览器增强体验 1.1 开源平台的核心价值…...

douyin-downloader:抖音视频批量下载解决方案

douyin-downloader:抖音视频批量下载解决方案 【免费下载链接】douyin-downloader 项目地址: https://gitcode.com/GitHub_Trending/do/douyin-downloader 在数字内容爆炸的时代,视频资源的高效管理已成为内容创作者、教育工作者和社交媒体运营者…...

DownKyi架构深度解析:高效B站视频下载工具的技术实现与实战指南

DownKyi架构深度解析:高效B站视频下载工具的技术实现与实战指南 【免费下载链接】downkyi 哔哩下载姬downkyi,哔哩哔哩网站视频下载工具,支持批量下载,支持8K、HDR、杜比视界,提供工具箱(音视频提取、去水印…...

从零开始:用正则表达式处理日期时间格式的完整指南

从零开始:用正则表达式处理日期时间格式的完整指南 在数据处理和文本分析中,日期时间格式的校验一直是个高频需求。无论是表单验证、日志分析还是数据清洗,确保日期时间格式的正确性都至关重要。正则表达式作为文本处理的瑞士军刀&#xff0c…...

深度解析 APT:Linux 运维人员的“瑞士军刀”,你真的用对了吗?

在 Linux 的世界里,尤其是对于 Debian 系(如 Ubuntu、Linux Mint)的用户来说,APT 是一个无法绕开的名字。很多初学者在安装软件时,只知道机械地复制粘贴 sudo apt install 命令,却对背后这套强大的机制知之…...

一篇搞定2026年律所管理系统选购,避坑技巧+优质品牌全解析

据智研咨询2026年发布的《中国律所管理软件行业发展报告》显示,国内律所对管理系统的需求年增长率达28%,但近70%的律所表示选型后存在功能冗余、操作复杂、适配性差等问题,不仅未能提升效率,反而增加了办公成本。作为深耕律所管理…...

三步突破抖音音乐批量下载难题:douyin-downloader全功能技术指南

三步突破抖音音乐批量下载难题:douyin-downloader全功能技术指南 【免费下载链接】douyin-downloader 项目地址: https://gitcode.com/GitHub_Trending/do/douyin-downloader 在数字内容创作领域,背景音乐是提升作品感染力的关键元素。然而&…...

基于springboot框架的校园外卖管理系统的设计与实现

目录需求分析与功能规划技术选型与架构设计数据库设计与建模核心功能实现系统集成与测试部署与运维优化与扩展项目技术支持源码获取详细视频演示 :文章底部获取博主联系方式!同行可合作需求分析与功能规划 明确校园外卖管理系统的核心需求,包…...

开源工具gInk:高效标注从入门到精通

开源工具gInk:高效标注从入门到精通 【免费下载链接】gInk An easy to use on-screen annotation software inspired by Epic Pen. 项目地址: https://gitcode.com/gh_mirrors/gi/gInk 在数字化协作与远程沟通日益频繁的今天,屏幕标注工具已成为提…...

无障碍辅助利器:OpenClaw+GLM-4.7-Flash语音控制电脑实操

无障碍辅助利器:OpenClawGLM-4.7-Flash语音控制电脑实操 1. 为什么我们需要语音控制电脑 去年夏天,我的一位程序员朋友因意外导致手部受伤,暂时失去了正常使用键盘鼠标的能力。看着他艰难地用语音输入法逐字敲代码,我开始思考&a…...

霜儿-汉服-造相Z-Turbo实战体验:输入一句话,秒获专属汉服少女AI写真

霜儿-汉服-造相Z-Turbo实战体验:输入一句话,秒获专属汉服少女AI写真 1. 惊艳效果展示:从文字到古风美图的魔法 想象一下,你只需要输入"霜儿,古风汉服少女,月白霜花刺绣汉服,江南庭院&quo…...

Qwen2.5-7B-Instruct效果展示:农业病虫害图像描述→防治方案生成

Qwen2.5-7B-Instruct效果展示:农业病虫害图像描述→防治方案生成 想象一下,一位农民在田间地头,用手机拍下一片叶子上的异常斑点。几分钟后,他不仅得到了这是什么病害的准确诊断,还收到了一份详细的、可操作的防治方案…...

公司内部业务系统,其实无需专门开发,用免费低代码平台就够了

这段时间陆续试了几款主流低代码工具,整体体验下来,有些平台在免费阶段就已经很好用了。整理了一份我觉得比较值得尝试的清单,分享给同样有需求的人。斑斑AI首先是斑斑AI。它给我最大的感受就是“没有限制”。完全无限制免费这一点非常少见&a…...

Java初学者项目需要哪些技术?

对于Java初学者,以下技术栈组合既能满足学习需求,又能完成完整项目开发:核心基础Java语法基础掌握变量、循环、条件语句面向对象三大特性:封装、继承、多态集合框架:$ArrayList$、$HashMap$等异常处理机制开发工具IDE&…...

Fun-ASR-MLT-Nano-2512快速上手:Web界面操作,无需代码基础

Fun-ASR-MLT-Nano-2512快速上手:Web界面操作,无需代码基础 1. 语音识别新选择:Fun-ASR-MLT-Nano-2512 1.1 模型简介 Fun-ASR-MLT-Nano-2512是阿里通义实验室推出的轻量级多语言语音识别模型,经过开发者by113小贝的二次开发优化…...

SEO_避开这些常见误区,让你的SEO效果翻倍

<h2>避开这些常见误区&#xff0c;让你的SEO效果翻倍</h2> <p>在当今的互联网时代&#xff0c;搜索引擎优化&#xff08;SEO&#xff09;已经成为了每个网站和博客运营者必须掌握的技能之一。许多人在进行SEO时却会犯一些常见的错误&#xff0c;这些错误不仅…...

像素幻梦工坊实战落地:数字艺术教育机构像素创作课AI教具部署

像素幻梦工坊实战落地&#xff1a;数字艺术教育机构像素创作课AI教具部署 1. 项目背景与教育价值 在数字艺术教育领域&#xff0c;像素艺术作为入门门槛较低但创意空间广阔的艺术形式&#xff0c;正受到越来越多教育机构的青睐。然而传统像素艺术教学面临两大挑战&#xff1a…...

大语言模型训练中的显存占用与优化方法简述

在进行大语言模型&#xff08;LLM&#xff09;的微调或预训练时&#xff0c;显存&#xff08;VRAM&#xff09;不足通常是首要面临的问题。为了在有限的硬件资源下完成训练&#xff0c;了解显存的具体去向以及相应的优化技术是比较基础的工作。 从模型训练的流程来看&#xff…...

SecGPT-14B案例分享:某能源企业OT网络异常通信行为识别过程

SecGPT-14B案例分享&#xff1a;某能源企业OT网络异常通信行为识别过程 1. 引言&#xff1a;当能源网络遭遇“隐形”威胁 想象一下&#xff0c;一家大型能源企业的工业控制系统&#xff08;OT网络&#xff09;正在平稳运行&#xff0c;控制着发电、输电的关键设备。突然&…...

SEO_全面介绍SEO从入门到精通的关键知识点

<h2>什么是SEO&#xff1f;</h2> <p>SEO&#xff08;Search Engine Optimization&#xff0c;搜索引擎优化&#xff09;是一套通过优化网站内容和结构&#xff0c;以提高其在搜索引擎结果页面&#xff08;SERP&#xff09;中的自然排名的技术和策略。SEO不仅…...

Ostrakon-VL-8B模型剪枝与量化入门:降低部署资源消耗

Ostrakon-VL-8B模型剪枝与量化入门&#xff1a;降低部署资源消耗 想让大模型在普通电脑上跑起来&#xff1f;这听起来像是个遥不可及的梦想&#xff0c;尤其是对于Ostrakon-VL-8B这种参数规模不小的视觉语言模型。它功能强大&#xff0c;但随之而来的就是对GPU显存和算力的高要…...