221. Maximal Square

博客围绕在二维二进制矩阵中找最大全1正方形并求其面积展开。介绍了两种方法,一是动态规划,给出递推关系及初始化和递推技巧;二是暴力求解,遍历每个点计算边长。还给出二维vector初始化方法及参考链接。

Given a 2D binary matrix filled with 0's and 1's, find the largest square containing only 1's and return its area.

Example:

Input: 

1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0

Output: 4

方法1:动态规划

重要的是要找到递推关系res[m][n]=min(res[m-1][n],min(res[m][n-1],res[m-1][n-1]))+1;

res[m][n]代表以此点为右下角顶点的正方形的边长。

class Solution {
public:
    int maximalSquare(vector<vector<char>>& matrix) {
        int h=matrix.size();
        if(h==0) return 0;
        int l=matrix[0].size();
        int maxN=0;
        vector<vector<int>> res(h,vector<int>(l,0));
        for(int i=0;i<l;i++){
            if(matrix[0][i]=='1') res[0][i]=1;
            maxN=max(maxN,res[0][i]);
        }
        for(int j=0;j<h;j++){
            if(matrix[j][0]=='1') res[j][0]=1;
            maxN=max(maxN,res[j][0]);
        }
        for(int m=1;m<h;m++){
            for(int n=1;n<l;n++){
                if(matrix[m][n]=='0') {
                    res[m][n]=0;
                }
                else{
                    res[m][n]=min(res[m-1][n],min(res[m][n-1],res[m-1][n-1]))+1;
                    maxN=max(maxN,res[m][n]);
                } 
            }     
        }
        return maxN*maxN;
    }
};

Tips:

此类题型技巧:由于每个点与他的左,上,左上点有关,先将二维数组的第一列和第一行初始化,再根据地推公式从左到右,从上到下递推。

二维vector初始化方法:vector<vector<int>> res(h,vector<int>(l,0));

min和max可直接用。

方法2:暴力求解:遍历每一个点,以此点为正方形的左上角,计算边长数

class Solution {
public:
    int maximalSquare(vector<vector<char>>& matrix) {
        int h=matrix.size();
        if(h==0) return 0;
        int l=matrix[0].size();
        int maxN=0;
        for(int i=0;i<h;i++){
            for(int j=0,m;j<l;j++){
                m=0;
                for(int t1,t2;m+i<h&&m+j<l;m++){
                    for(t1=j;t1<=j+m;t1++){
                        if(matrix[m+i][t1]!='1'){
                            break;
                        }
                    }
                    for(t2=i;t2<=i+m;t2++){
                        if(matrix[t2][m+j]!='1') {
                            break;
                        }
                    }
                    if(t1!=(j+m+1)||t2!=(i+m+1)) break;
                }
                maxN=max(m,maxN);
            }
        }
        return maxN*maxN;
    }
};

Tips:将m初始化为0,放在for里面只会初始化一次

 

参考链接:

http://www.cnblogs.com/thoupin/p/4780352.html

这段代码定义了一个二维动态数组 `dp`,其类型为 `vector<vector<int>>`,并初始化为 `m` 行 `n` 列的二维向量,所有元素默认值为 `0`。以下是详细解析: --- ### **代码解析** ```cpp vector<vector<int>> dp(m, vector<int>(n)); ``` 1. **作用**: 创建一个大小为 `m × n` 的二维整数数组,用于动态规划(DP)问题中存储中间状态(如网格路径、子问题解等)。 2. **参数说明**: - `m`:外层 `vector` 的大小(行数)。 - `vector<int>(n)`:内层 `vector` 的初始化方式,生成一个长度为 `n` 的一维数组,默认值全为 `0`。 3. **等价形式**: 类似手动初始化二维数组的方式: ```cpp vector<vector<int>> dp; dp.resize(m, vector<int>(n)); // 调整为 m 行 n 列 ``` --- ### **典型应用场景** 1. **网格类动态规划**: 例如计算从网格左上角到右下角的路径数(LeetCode 62. Unique Paths): ```cpp int m = 3, n = 7; vector<vector<int>> dp(m, vector<int>(n, 1)); // 初始化为 1(边界条件) for (int i = 1; i < m; i++) { for (int j = 1; j < n; j++) { dp[i][j] = dp[i-1][j] + dp[i][j-1]; // 状态转移 } } ``` 2. **子序列/子矩阵问题**: 如最大正方形面积(LeetCode 221. Maximal Square): ```cpp vector<vector<int>> dp(m, vector<int>(n, 0)); // dp[i][j] 表示以 (i,j) 为右下角的最大正方形边长 ``` 3. **状态压缩优化**: 若 `dp[i][j]` 仅依赖前一行的数据,可优化空间复杂度: ```cpp vector<int> dp(n, 0); // 压缩为一维数组 ``` --- ### **关键点** 1. **初始化默认值**: - `vector<int>(n)` 会生成 `{0, 0, ..., 0}`(共 `n` 个 `0`)。 - 若需其他初始值(如 `1` 或 `-1`),可显式指定: ```cpp vector<vector<int>> dp(m, vector<int>(n, -1)); // 初始化为 -1 ``` 2. **访问元素**: 通过 `dp[i][j]` 访问第 `i` 行第 `j` 列的元素(索引从 `0` 开始)。 3. **动态扩展**: 若需动态调整大小,可用 `push_back` 或 `resize`: ```cpp dp.push_back(vector<int>(n)); // 添加一行 ``` --- ### **对比其他语言** - **Python**:`dp = [[0] * n for _ in range(m)]` - **Java**:`int[][] dp = new int[m][n];` - **C**:需手动分配二维数组(如 `int** dp = malloc(m * sizeof(int*))`)。 --- ### **常见问题** 1. **内存分配失败**: 若 `m` 或 `n` 过大(如 `1e5`),可能导致栈溢出或内存不足,此时应改用一维数组优化。 2. **初始化性能**: 在循环中重复初始化 `vector<int>(n)` 会影响性能,建议提前定义。 3. **多维扩展**: 三维动态规划可类似定义: ```cpp vector<vector<vector<int>>> dp(m, vector<vector<int>>(n, vector<int>(k, 0))); ``` --- ### **示例代码(完整)** ```cpp #include <vector> #include <iostream> using namespace std; int main() { int m = 3, n = 4; vector<vector<int>> dp(m, vector<int>(n, 1)); // 3行4列,初始化为1 // 打印二维数组 for (int i = 0; i < m; i++) { for (int j = 0; j < n; j++) { cout << dp[i][j] << " "; } cout << endl; } return 0; } ``` 输出: ``` 1 1 1 1 1 1 1 1 1 1 1 1 ``` --- ### **总结** - **用途**:定义二维 DP 数组,存储网格或子问题的解。 - **初始化**:通过 `vector<int>(n)` 指定列数及默认值。 - **优化**:根据依赖关系可压缩为一维数组(如 `dp[j] = dp[j] + dp[j-1]`)。
评论
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