leetcode519. Random Flip Matrix

题目要求
You are given the number of rows n_rows and number of columns n_cols of a 2D binary matrix where all values are initially 0. Write a function flip which chooses a 0 value uniformly at random, changes it to 1, and then returns the position [row.id, col.id] of that value. Also, write a function reset which sets all values back to 0. Try to minimize the number of calls to system's Math.random() and optimize the time and space complexity.

Note:

1 <= n_rows, n_cols <= 10000
0 <= row.id < n_rows and 0 <= col.id < n_cols
flip will not be called when the matrix has no 0 values left.
the total number of calls to flip and reset will not exceed 1000.
Example 1:

Input:
["Solution","flip","flip","flip","flip"]
[[2,3],[],[],[],[]]
Output: [null,[0,1],[1,2],[1,0],[1,1]]
Example 2:

Input:
["Solution","flip","flip","reset","flip"]
[[1,2],[],[],[],[]]
Output: [null,[0,0],[0,1],null,[0,0]]
Explanation of Input Syntax:
The input is two lists: the subroutines called and their arguments. Solution's constructor has two arguments, n_rows and n_cols. flip and reset have no arguments. Arguments are always wrapped with a list, even if there aren't any.

假设现在有一个n_rows行和n_columns列的矩阵,该矩阵中初始时每一个元素值均为0。调用flip方法时需要随机选择矩阵中一个值为0的格子并设置为1,返回格子的行列坐标。reset方法会将矩阵重制为初始状态。要求尽可能减少random方法的调用次数。

思路和代码
其实最直观的方法就是使用随机数分别生成随机的行和列,然后判断该位置上的值是否为0。如果不为0,则继续生成随机行列,继续判断,直到找到为0的格子。

这里的第一个优化就在于将二维数组进行一维化的表示,即第i行第k列这个坐标完全可以通过in_columns+k得出唯一的一个整数表示形式。我们只需要对n_rowsn_colums范围内生成一个随机的整数并转化为二维坐标,可以直接将随机方法的执行次数减少一半。

那么接着的优化思路其实可以很直观的想到,如果我们可以保存一个还没有遍历到的下标集合。每次以集合大小作为随机数生成的边界,再从集合中移除该随机数,代表这一次翻了这个位置的格子。

但是直接用List来存储这样的一个结构还是会有很严重的性能问题。假设是一个1000*1000的矩阵,则初始的List中需要存储1000000个未被选中的格子,对于时间和空间来说都是不可接受的。那么有没有办法可以用另一种形式来记录未翻牌的元素下标?

前面已经讲了,二维数组的下标是可以被转化为一维数组下标表示。我们可以想象这样的一个场景,对于这个一维数组,每当一个下标被翻开,都将该下标和位于当前未被翻开的最后一个元素位置进行交换。我们只需要记录叫唤到前面的最后一个元素的新的位置即可。举个例子,2*3的矩阵,可以翻开为一个长度为6的一维矩阵,其元素分别为0,1,2,3,4,5。

第一次flip随机生成下标2,则我们将2和5进行交换,并记录2这个位置上新的元素5(2:5)
第二次flip随机生成下标1,则将1和4进行叫唤,并记录1这个位置上新的元素为4(2:5, 1:4)
第三次flip随机生成下标2,此时我们发现2上存的元素是5,因此返回5,经记录2上的新元素为3(2:3, 1:4)
。。。

这样的话,当随机生成的下标不在记录中时,下标上存储的位置就是本身,否则就是交换过的位置。每次都要更新下标上的元素为最后一个还未被翻开的下标。

Map<Integer, Integer> map;
Random                r;
int rowCount;
int columnCount;
int flipCount;
public Solution(int n_rows, int n_cols) {
    map = new HashMap<>();
    r = new Random();
    rowCount = n_rows;
    columnCount = n_cols;
    flipCount = rowCount * columnCount;
}

public int[] flip() {
    int randomIndex = r.nextInt(flipCount--);
    int value = map.getOrDefault(randomIndex, randomIndex);
    map.put(randomIndex, map.getOrDefault(flipCount, flipCount));
    return new int[]{value/columnCount, value%columnCount};
}

public void reset() {
    map.clear();
    flipCount = rowCount * columnCount;
}

原文链接:https://segmentfault.com/a/1190000021205034

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容