矩阵的最大面积(单调栈)

通过图像解析,解决求矩形最大面积问题,联系到二维矩阵中寻找全为1的最大子矩阵。利用矩阵b,其中b[i][j]表示a中位置(i, j)向下连续1的数量。构建过程后,用单调栈处理b的每一行,找到最大矩形面积。" 110726211,10296860,优雅离职:java程序员的离职交接与准备指南,"['职场经验', 'Java开发', '离职管理', '职业素养', '沟通技巧']

求图片中矩形最大的面积,类似于桶的容量由最短的木板决定的,见图片。

   

矩形的高度可以用数组表示,同时这个场景可以和另外一个场景联系起来:给定一个二维矩阵,矩阵中的元素只有0和1,求一个最大的子矩阵(要求子矩阵中的元素全是1) ,最大指的是矩阵中的1的数量最多。

下图中的矩阵 a 只包含1和0:

[1, 1, 1, 1, 1, 1, 1, 1]
[1, 1, 1, 1, 1, 1, 1, 0]
[1, 1, 1, 1, 1, 1, 1, 0]
[1, 1, 1, 1, 1, 0, 0, 0]

[0, 1, 1, 1, 1, 0, 0, 0]

我们需要按照a矩阵来构造一个同样大小的矩阵 b:

[4, 5, 5, 5, 5, 3, 3, 1]
[3, 4, 4, 4, 4, 2, 2, 0]
[2, 3, 3, 3, 3, 1, 1, 0]
[1, 2, 2, 2, 2, 0, 0, 0]

[0, 1, 1, 1, 1, 0, 0, 0]

怎么构造的呢? 对于b中的任意一个元素b[i][j] 就是a中同样位置元素a[i][j] 的j列往“下”有多少连续个1,

完成b矩阵构造之后,就回到上面这个图了,我们以b中每一行为边去构造矩形,记录这个过程中产生的最大值,就是我们要求的答案了。

例如 [4, 5, 5, 5, 5, 3, 3, 1] 依次表示了矩形的高度,同时每个矩形的宽度都是1。使用单调栈来完成。

代码如下:

 public int getResult(char[][] matrix) {       //用什么方式来表示矩阵无所谓
         if(matrix.length==0){
             return 0;
         }
         
         int rows=matrix.length;
         int cols=matrix[0].length;
         int max=0;
         int tempMax=0;
         int[] dp=new int[cols+1];
         for(int i=0;i<rows;i++){
             Stack<Integer> stack=new Stack<>();      //单调栈,只记录元素的索引下标,这样就可以求出矩形的宽度了
             for(int j=0;j<cols+1;j++){
                 if(j<cols){             
                     if(matrix[i][j]=='1'){
                         dp[j]+=1;    //一直累加
                     }else{
                         dp[j]=0;
                     }
                 }
                 
                 if(stack.isEmpty() || dp[stack.peek()]<=dp[j]){
                     stack.push(j);
                 }else{
                     while(!stack.isEmpty() && dp[stack.peek()]>dp[j]){       //弹出比入栈元素大的栈顶元素
                         int temp=stack.pop();
                         tempMax=dp[temp]*(stack.isEmpty()?j:j-stack.peek()-1);    //dp[temp]表示的矩阵的高度,后面的乘数是矩形的宽度
                         max=Math.max(max,tempMax);
                     }
                     stack.push(j);
                 }
             }
         }
         return max;
     }

单调栈,就是栈中的要保持有序,这里是:栈低的元素最小,栈顶的元素最大。从栈低到栈顶是升序的。


    



### 使用单调栈求解最大矩阵问题 #### 算法概述 对于给定的一个由 `0` 和 `1` 组成的二维矩阵,目标是找到其中仅包含 `1` 的最大矩形区域并返回其面积。此问题可以通过将二维问题转化为多个一维问题来解决,具体方法如下: 通过逐行遍历矩阵,并利用前缀和的思想计算每列的高度(即连续 `1` 的数量),从而构建一个高度数组 `heights[]`。随后,针对每一行的高度数组应用 **单调栈** 来找出当前行所能形成的最大矩形面积。 最终的结果是从所有行中得到的最大矩形面积中的最大值[^3]。 --- #### 关键步骤解析 ##### 1. 高度数组的构建 定义一个长度等于矩阵宽度的数组 `heights[]`,初始化为零。每次迭代一行时更新该数组,使得 `heights[j]` 表示第 `j` 列从当前位置向上数连续 `1` 的个数。如果遇到 `0`,则重置对应列的高度为零。 ```python def build_heights(matrix, heights): rows, cols = len(matrix), len(matrix[0]) for j in range(cols): # 初始化第一行的高度 heights[j] = int(matrix[0][j]) for i in range(1, rows): # 更新后续行的高度 for j in range(cols): if matrix[i][j] == '1': heights[j] += 1 else: heights[j] = 0 ``` 此处的时间复杂度为 O(m * n),其中 m 是矩阵的行数,n 是列数[^4]。 --- ##### 2. 单调栈的应用 为了高效地求解单行内的最大矩形面积,采用单调栈的方法。核心思路是对每个柱状体(代表某一列的高度)寻找左侧第一个小于它的索引 `left_idx` 和右侧第一个小于它的索引 `right_idx`,进而计算以其为高的矩形面积 `(right_idx - left_idx - 1) * height[idx]`。 以下是基于单调栈的具体实现逻辑: - 构建一个严格递增的; - 当发现新的高度低于顶对应的柱高时,弹出顶元素并计算以该柱高为基础的矩形面积; - 将新高度压入中继续处理。 ```python def max_rectangle_in_histogram(heights): stack = [] max_area = 0 heights.append(0) # 添加哨兵简化边界条件 for idx, h in enumerate(heights): while stack and heights[stack[-1]] >= h: current_height = heights[stack.pop()] width = idx if not stack else (idx - stack[-1] - 1) max_area = max(max_area, current_height * width) stack.append(idx) heights.pop() # 移除哨兵恢复原数组状态 return max_area ``` 上述函数实现了对任意输入的一维直方图求解最大矩形面积的功能,时间复杂度为 O(n)[^5]。 --- ##### 3. 整合过程 最后一步是将以上两部分结合起来完成整个算法流程。依次遍历矩阵的每一行,动态维护高度数组并通过单调栈获取局部最优解;全局最优解则是这些局部结果中的最大者。 完整代码展示如下: ```python def maximalRectangle(matrix): if not matrix or not matrix[0]: return 0 rows, cols = len(matrix), len(matrix[0]) heights = [0] * cols max_area = 0 def calculate_max_area_with_stack(): nonlocal heights, max_area stack = [] heights.append(0) # 哨兵 for idx, h in enumerate(heights): while stack and heights[stack[-1]] >= h: current_height = heights[stack.pop()] width = idx if not stack else (idx - stack[-1] - 1) max_area = max(max_area, current_height * width) stack.append(idx) heights.pop() # 清理哨兵 for row in matrix: for j in range(cols): heights[j] = heights[j] + 1 if row[j] == '1' else 0 calculate_max_area_with_stack() return max_area ``` 整体时间复杂度为 O(m * n),空间复杂度主要取决于辅助使用的结构以及存储高度信息的数据结构,均为线性级别。 --- ### 结果验证 考虑样例输入: ``` [ ["1","0","1","0","0"], ["1","0","1","1","1"], ["1","1","1","1","1"], ["1","0","0","1","0"] ] ``` 执行上述程序可得出正确答案 `6`,与预期一致[^2]。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值