1、问题描述
在一个由 0 和 1 组成的二维矩阵内,找到只包含 1 的最大正方形,并返回其面积。
示例:
输入:
1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0
输出: 4
2、 解题思路
思路1:暴力法。对于矩阵中的每个元素,求以其为左上角顶点,可得到的最大正方形。
这种方法的时间复杂度为O(N2M2)O(N^2M^2)O(N2M2),遍历每个元素需要O(NM)O(NM)O(NM)的时间复杂度,求以该元素为左上角顶点的最大正方形需要O(NM)O(NM)O(NM)时间复杂度。
空间复杂度:O(1)O(1)O(1)。
思路2:动态规划。
(1)定义状态:
dp[i][j]dp[i][j]dp[i][j]:以matrix[i][j]matrix[i][j]matrix[i][j](matrix[i][j]==1matrix[i][j]==1matrix[i][j]==1)为右下角元素的最大正方形的边长。
(2)状态转移:
以matrix[i][j]matrix[i][j]matrix[i][j]为右下角顶点的最大正方形的边长受限于,以该元素的上方元素matrix[i−1][j]matrix[i-1][j]matrix[i−1][j]为右下角顶点的最大正方形的边长,以该元素的左边元素matrix[i][j−1]matrix[i][j-1]matrix[i][j−1]为右下角顶点的最大正方形的边长、以该元素的左上方元素matrxi[i−1][j−1]matrxi[i-1][j-1]matrxi[i−1][j−1]为右下角顶点的最大正方形的边长这三者中的最小值。
即:
dp[i][j]=min{dp[i−1][j],dp[i][j−1],dp[i−1][j−1]}+1dp[i][j] = min\{dp[i-1][j],dp[i][j-1],dp[i-1][j-1]\} + 1dp[i][j]=min{dp[i−1][j],dp[i][j−1],dp[i−1][j−1]}+1
为什么,可以看下图:
先简述下常识:
- 形成正方形(非单 1),以当前为右下角的视角看,则需要:当前格、上、左、左上都是 1
- 可以换个角度:当前格、上、左、左上都不能受 0 的限制,才能成为正方形

上面详解了 三者取最小 的含义:
- 图1:受限于左上的0
- 图2:受限于上边的0
- 图3:受限于左边的0
- 数字表示:以此为正方形右下角的最大边长
- 黄色表示:格子 ? 作为右下角的正方形区域
(3)确定初始:
第一行和第一列为原值;
(4)确定终止:
max(dp[i][j])∗max(dp[i][j])max(dp[i][j])* max(dp[i][j])max(dp[i][j])∗max(dp[i][j]),即最大边长的平方。
时间复杂度:O(NM)O(NM)O(NM),
空间复杂度:O(NM)O(NM)O(NM).
3、代码实现
class Solution {
public:
int maximalSquare(vector<vector<char>>& matrix) {
int rows = matrix.size();
int cols = rows > 0 ? matrix[0].size() : 0;
vector<vector<int>>dp(rows+1, vector<int>(cols+1,0));
int maxlen = 0;
for(int i = 1; i <=rows; i++){
for(int j = 1; j <=cols; j++){
if(matrix[i - 1][j - 1] == '1'){
dp[i][j] = min(dp[i-1][j-1],min(dp[i-1][j],dp[i][j-1])) + 1;
// cout<<"dp["<<i<<"]="<<"["<<j<<"]="<<dp[i][j]<<endl;
if(dp[i][j] > maxlen){
maxlen = dp[i][j];
}
}
}
}
return maxlen * maxlen;
}
};
本文介绍了如何使用动态规划解决LeetCode中的最大正方形问题。通过详细解析思路和状态转移方程,阐述了如何从暴力法优化到更高效的动态规划解决方案,同时提供了代码实现。
1194

被折叠的 条评论
为什么被折叠?



