计算矩阵的鞍点个数_矩阵鞍点-CSDN博客

鞍点（Saddle Point）是数学和优化理论中的一个重要概念，指在多元函数中，某个点在某一方向上是局部极大值点，而在另一方向上是局部极小值点，整体上既不是全局极大值点也不是全局极小值点。其名称来源于其几何形状类似马鞍：在马鞍的顶部（沿一个方向）是最高点，而在侧面（沿另一个方向）是最低点。

我们这里对举例的题目达成一个简单共识，即矩阵A[m][n]中存在某个元素a[i][j]，a[i][j]是第i行中最小值且是第j列中最大值，则称该元素为矩阵A的鞍点。（如果使用这个概念，即a[i][j]是第i行中最大值且是第j列中最小值，则称该元素为矩阵A的鞍点，小编认为两种都可以）

下面举例题目：

若矩阵A[m][n]中存在某个元素a[i][j],满足:a[i][j]是第i行中最小值且是第j行列中的最大值,则称该元素为矩阵A的鞍点,试编写算法计算矩阵的鞍点个数。

这里简单举一个图例，图例里45为第一行和第四行最小的数，且为第一列里最大的数值，故45为鞍点

在元素各不相等的矩阵中，鞍点有且仅有一个，甚至可能没有鞍点。这里举例了一个有重复元素的矩阵，且鞍点数为2。

二、实例操作

1.枚举法

基本思路:用枚举法,对矩阵中的每一个元素a[i][j]进行判别。若a[i][j]是第i行的最小数,则继续判别,看它是否也是第j列的最大数,如果成立则是鞍点。当a[i][j]不是第 i行的最小数或者不是第j列的最大数则选择下一个元素继续。

显然,矩阵A可用一个二维数组表示,算法如下所示。

#define m 10       
#define n 10
#define true 1   
#define false 0
int saddle (int A[m][n])/*求m行n列矩阵的鞍点*/
{  int count=0,i,j,k,rowmin, colmax;
/*rowmin为true时表示A[i][j]是第i行最小数， colmax为true时表示 A[i][j]是第j列的最大数*/
   for (i=0;i<m;i +)    /*用枚举法对矩阵的每个元素进行判断*/    
     {   for(j=0;j<n;j++)  /*矩阵从0开始排列，最后一个元素下标为A[m-1][n-1]*/
        {
           k=0;
           while (k<n)&& (A[i][k]>=A[i][j])    /*是否是第i行最小数*/
            { k++; }
            if(k<n) {rowmin=false;}
            else    {rowmin=true;}
            if (rowmin==true)    /*是第i行最小数时继续判断
            {
             k=0;
             while (k<m) && (A[k][j]<=A[i][j]) /*是否是第j列最大数*/
               { k++; }
             if(k<m)   {colmax=false;}
             else      {colmax=true;  }  
            }
           if (rowmin==true && colmax==true)
              {count++;    /*鞍点计数*/ }   
        }
      }   
return(count);
}

时间效率分析:
双重循环体内有两个并列的while循环语句。第一个while循环执行0(n)次,第二个 while 循环最多执行0(m)次。所以总的时间效率应该是0(mxnx(m+n))。
空间效率分析:
除矩阵A用二维数组存储外,用了几个附加空间存储中间变量，如k,rowmin, colmax。所以空间效率为O(1)。

注：空间复杂度：程序运行时的内存需求，无论问题的规模怎么变，算法运行所需的内存空间都是固定的常量，算法复杂度为S（n）=O(1)。【算法原地工作，算法所需内存空间为常量，只需关注存储空间大小与问题规模相关的变量】

空间复杂度=递归调用的深度

时空折中：为了改善一个算法的时间开销，可增大空间开销为代价，反之亦然。

2.增加辅助空间

第一种方法采用枚举法，时间效率应该最低。能否设计一个时间效率较优的算法呢?可以通过增加辅助空间来提高时间效率,具体方法如下:先将矩阵每行最小数和每列的最大数求出来,并分别存放在C[m]和B[n]两个一维组中，然后对C[m]和B[n]的每对元素进行比较，假定C[i]和B[j]相等（见下图）

可以证明:因为C[i]是第i行的最小数,所以A[i][j]≥C[i];
又因为B[j]中第j列的最大数，所以A[i][j]≤B[j]。根据B[j]和C[i]相等，得出：

A[i][j]==B[j]==C[i]
即A[i][j]既是第i行的最小数,又是第j列的最大数。具体算法如下所示。

#define m 10       
#define n 10    
#define true  1 
#define false  0
int Saddle (int A(m][n])
{ int count=0, i,j,k;       
  int B[n],C[m];
  for (i=0;i<m;i++)    /*求每行的最小数*/    
   {   C[i]=A[i][0];
       for (j=1;j<n;j++) 
         { if (C[i]>A[i][j])
            {  C[i]=A[i][j]);  }
    }
  for (j=0;j<n;j++)    /*求每列的最大数*/
   {   B[j]=A[0][j];
       for (i=1;i<m;i++)
        { if (B[j]<A[i][j])
            { B[j]=A[i] [j];   }  
   }
  /*求所有鞍点*/
  for (i=0;i<m;i++) 
   { for (j=0;j<n;j++)
      {  if (C[i]==B[j])
            { count++; }   /*鞍点计数*/ 
       }
   }   
return (count);
}

时间效率分析
本算法共有三小段并列的函数。
求每行最小数的时间效率:0(mxn)

求每列最大数的时间效率:0(mXn)

统计所有鞍点的时间效率:0(mxn)

所以总的时间效率为0(mXn)。

空间效率分析
显然空间效率为0(m+n)。
比较这两种算法,显然方法二的时间效率大大优于方法一,但空间效率较差。这是典型的空间换时间算法实例之一。