我正在分析螺旋矩阵algorithm。该解决方案要求输入矩阵并返回数组列表。这是选择的解决方案:
class Solution {
public List < Integer > spiralOrder(int[][] matrix) {
List ans = new ArrayList();
if (matrix.length == 0)
return ans;
int r1 = 0, r2 = matrix.length - 1;
int c1 = 0, c2 = matrix[0].length - 1;
while (r1 <= r2 && c1 <= c2) {
for (int c = c1; c <= c2; c++) ans.add(matrix[r1][c]);
for (int r = r1 + 1; r <= r2; r++) ans.add(matrix[r][c2]);
if (r1 < r2 && c1 < c2) {
for (int c = c2 - 1; c > c1; c--) ans.add(matrix[r2][c]);
for (int r = r2; r > r1; r--) ans.add(matrix[r][c1]);
}
r1++;
r2--;
c1++;
c2--;
}
return ans;
}
}
我已经在site处查找了空间的复杂性,但是我不知道如何将信息应用于这种情况。
我已经查看了评论的讨论部分。
有人说这是O(N)空间,因为该解决方案创建了一个数组列表。
有人说这是O(1)空间,因为问题需要返回数组列表。这样就已经占了空间了。
哪个是真的?
答案 0 :(得分:1)
ans
的大小取决于matrix
的大小,因此我们可以说O(1)
是不是答案。这是因为 O(1)
表示一个恒定的空间,这里不是这种情况。ans
的确切大小为n = width * height
,这将使其包含matrix
中的所有项目。matrix
的大小增加了一倍,那么我们的ans
的大小也会增加一倍,因为项目数量增加了一倍。这表示matrix
和ans
的大小之间的线性关系。然后我们可以说我们的空间确实是复杂性 O(n)
。答案 1 :(得分:0)
O(1)表示此算法所需的内存量不取决于输入的大小。显然不是这样,每次内部for循环之一迭代时,都会向数组列表中添加一个元素。因此,由于该算法具有O(MN)运行时间,因此它也具有O(MN)的存储复杂度,其中矩阵的大小为M x N。