我遇到了一个普通问题,给定一个 NxM 0-1 矩阵和一个数字 K(<=NxM),我必须找到该 0-1 矩阵的最小子矩形区域,该子矩形内至少有 K 1 个。此外,它的面积(两个维度的乘积)应该最小化。
例如:
00000
01010
00100
01010
00000
K = 3
所以我可以找到一个最小面积为 6 的子矩形,其中包含 3 个 1。
10
01
10
请注意,我的意思是目标子矩形应该包含来自原始 0-1 矩阵的连续行数和列数。
我遇到了一个普通问题,给定一个 NxM 0-1 矩阵和一个数字 K(<=NxM),我必须找到该 0-1 矩阵的最小子矩形区域,该子矩形内至少有 K 1 个。此外,它的面积(两个维度的乘积)应该最小化。
例如:
00000
01010
00100
01010
00000
K = 3
所以我可以找到一个最小面积为 6 的子矩形,其中包含 3 个 1。
10
01
10
请注意,我的意思是目标子矩形应该包含来自原始 0-1 矩阵的连续行数和列数。
Compute cumulative sum of rows R[i,j] and columns C[i,j].
For top-left corner (i,j) of each possible sub-rectangle:
Starting from a single-row sub-rectangle (n=i),
Search the last possible column for this sub-rectangle (m).
While m>=j:
While there are more than 'k' "ones" in this sub-rectangle:
If this is the smallest sub-rectangle so far, remember it.
Remove column (--m).
This decreases the number of "ones" by C[m+1,n]-C[m+1,j-1].
Add next row (++n).
This increases the number of "ones" by R[m,n]-R[i-1,n].
时间复杂度为 O(NM(N+M))。
可以通过将线性搜索更改为二分搜索来优化两个嵌套循环(以更快地处理细长的子矩形)。
也有可能(在向子矩形添加一行/一列之后)在 O(1) 时间内减少列/行的数量,使得该子矩形的面积不大于该面积迄今为止最好的子矩形。
这两种优化都需要计算 O(1) 中的任何子矩形权重。为此,请预先计算子矩形 [1..i,1..j] (X[i,j]) 的所有元素的累积总和。然后任何子矩形 [i..m,j..n] 的权重计算为X[m,n]-X[i-1,n]-X[m,j-1]+X[i-1,j-1]
。
Compute cumulative sum of columns C[i,j].
For any starting row (k) of possible sub-rectangle:
For any ending row (l) of possible sub-rectangle:
Starting column (m = 1).
Ending column (n = 1).
While n is not out-of-bounds
While there are less than 'k' "ones" in sub-rectangle [k..l,m..n]:
Add column (++n).
This increases the number of "ones" by C[l,n]-C[k-1,n].
If this is the smallest sub-rectangle so far, remember it.
Remove column (++m).
This decreases the number of "ones" by C[l,m-1]-C[k-1,m-1].
时间复杂度为 O(N 2 M)。
当在其中处理的所有子矩形都是单列子矩形(行太多)或在其中处理的子矩形没有包含足够的“1”时(行数不足),“l”循环可能会终止)。
在我的脑海中,您可以列出矩阵中所有坐标对(?),找到其中每个 K 组合的(最小)包含子矩形*,然后选择其中最小的.
* 由 K 组合中的最小和最大行和列索引定义。