[LeetCode] Sparse Matrix Multiplication 稀疏矩陣相乘
阿新 • • 發佈:2018-12-27
Given two sparse matrices A and B, return the result of AB.
You may assume that A's column number is equal to B's row number.
Example:
A = [ [ 1, 0, 0], [-1, 0, 3] ] B = [ [ 7, 0, 0 ], [ 0, 0, 0 ], [ 0, 0, 1 ] ] | 1 0 0 | | 7 0 0 | | 7 0 0 | AB = | -1 0 3 | x | 0 0 0 | = | -7 0 3 | | 0 0 1 |
這道題讓我們實現稀疏矩陣相乘,稀疏矩陣的特點是矩陣中絕大多數的元素為0,而相乘的結果是還應該是稀疏矩陣,即還是大多數元素為0,那麼我們使用傳統的矩陣相乘的演算法肯定會處理大量的0乘0的無用功,所以我們需要適當的優化演算法,使其可以順利通過OJ,我們知道一個 i x k 的矩陣A乘以一個 k x j 的矩陣B會得到一個 i x j 大小的矩陣C,那麼我們來看結果矩陣中的某個元素C[i][j]是怎麼來的,起始是A[i][0]*B[0][j] + A[i][1]*B[1][j] + ... + A[i][k]*B[k][j],那麼為了不重複計算0乘0,我們首先遍歷A陣列,要確保A[i][k]不為0,才繼續計算,然後我們遍歷B矩陣的第k行,如果B[K][J]不為0,我們累加結果矩陣res[i][j] += A[i][k] * B[k][j];
解法一:
class Solution { public: vector<vector<int>> multiply(vector<vector<int>>& A, vector<vector<int>>& B) { vector<vector<int>> res(A.size(), vector<int>(B[0].size())); for (int i = 0; i < A.size(); ++i) { for (int k = 0; k < A[0].size(); ++k) { if (A[i][k] != 0) { for (int j = 0; j < B[0].size(); ++j) { if (B[k][j] != 0) res[i][j] += A[i][k] * B[k][j]; } } } } return res; } };
再來看另一種方法,這種方法其實核心思想跟上面那種方法相同,稍有不同的是我們用一個二維矩陣矩陣來記錄每一行中,各個位置中不為0的列數和其對應的值,然後我們遍歷這個二維矩陣,取出每行中不為零的列數和值,然後遍歷B中對應行進行累加相乘,參見程式碼如下:
解法二:
class Solution { public: vector<vector<int>> multiply(vector<vector<int>>& A, vector<vector<int>>& B) { vector<vector<int>> res(A.size(), vector<int>(B[0].size())); vector<vector<pair<int, int>>> v(A.size(), vector<pair<int,int>>()); for (int i = 0; i < A.size(); ++i) { for (int k = 0; k < A[i].size(); ++k) { if (A[i][k] != 0) v[i].push_back({k, A[i][k]}); } } for (int i = 0; i < A.size(); ++i) { for (int k = 0; k < v[i].size(); ++k) { int col = v[i][k].first; int val = v[i][k].second; for (int j = 0; j < B[0].size(); ++j) { res[i][j] += val * B[col][j]; } } } return res; } };
參考資料: