首页 > 其他分享> 文章详细

【LeetCode】221. 最大正方形

2022-01-18 14:31:02 阅读：203 来源： 互联网

标签：matrix min 正方形二维 221 边长 LeetCode dp

文章目录

题目：221. 最大正方形
解题思路
代码

题目：221. 最大正方形

221. 最大正方形
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 1：
在这里插入图片描述

输入：matrix = [[“1”,“0”,“1”,“0”,“0”],[“1”,“0”,“1”,“1”,“1”],[“1”,“1”,“1”,“1”,“1”],[“1”,“0”,“0”,“1”,“0”]]
输出：4

示例 2：

在这里插入图片描述

输入：matrix = [[“0”,“1”],[“1”,“0”]]
输出：1

示例 3：

输入：matrix = [[“0”]]
输出：0

提示：

m == matrix.length
n == matrix[i].length
1 <= m, n <= 30
matrix[i][j]为'0' 或'1'

解题思路

一、二维动态规划

思路和算法

创建一个二维数组dp,dp[i][j]表示以matrix[i][j]为右下角，且只包含1的正方形的边长的最大值，如果能计算出所有dp的值，那么最大的正方形面积就为max(dp[i][j])的平方。
在这里插入图片描述

如果matrix[i][j] = 0，那么dp[i][j] = 0
如果matrix[i][j] = 1，如图三个正方形
- 蓝色正方形的边长为4，下标dp[i - 1][j - 1]
- 绿色正方形的边长为2，下标dp[i - 1][j]
- 黄色正方形的边长为3，下标dp[i][j-1]

而上图的dp[i][j] = 3取决于左上方、上方、左方的三个dp中的最小值再加1。
状态转移方程：
d p [ i ] [ j ] = m i n ( d p [ i − 1 ] [ j − 1 ] , d p [ i − 1 ] [ j ] , d p [ i ] [ j − 1 ] ) + 1 dp[i][j] = min(dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]) + 1 dp[i][j]=min(dp[i−1][j−1],dp[i−1][j],dp[i][j−1])+1

绿色正方形(dp[i - 1][j])表示：可以为以dp[i][j]为右下角的正方形的右边提供边长为2的边。
黄色正方形(dp[i][j - 1])表示：可以为以dp[i][j]为右下角的正方形的下边提供边长为3的边。
蓝色正方形(dp[i - 1][j - 1])表示：可以为以dp[i][j]为右下角的正方形的左边和上边提供边长为4的边。
取三者中的最小值 ( m i n ( d p [ i − 1 ] [ j − 1 ] , d p [ i − 1 ] [ j ] , d p [ i ] [ j − 1 ] ) ) (min(dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1])) (min(dp[i−1][j−1],dp[i−1][j],dp[i][j−1]))是因为根据木桶原理，我们只能取最短的一个边来作为dp[i][j]表示的最大的正方形的边。
加上matrix[i][j]本身的这个正方形的边长1，就得到了以dp[i][j]为右下角最大的正方形的边长。

具体例子

在这里插入图片描述
给出一个M = 4, N = 5的matrix，我们可以创建一个如下的二维dp数组

绿色表示哨兵，我们不需要对这些dp进行计算。
灰色方格表示当前正在计算的dp[i][j]。
黄色方格是计算dp[i][j]所依赖的dp[i - 1][j - 1]，dp[i - 1][j]，dp[i][j - 1]。

根据状态转移方程我们可以算出
d p [ 3 ] [ 4 ] = m i n ( d p [ 2 ] [ 3 ] dp[3][4] = min(dp[2][3] dp[3][4]=min(dp[2][3], d p [ 2 ] [ 4 ] , d p [ 3 ] [ 3 ] ) + 1 = 2 dp[2][4], dp[3][3]) + 1 = 2 dp[2][4],dp[3][3])+1=2，同理 d p [ 3 ] [ 5 ] = 2 dp[3][5]=2 dp[3][5]=2， d p [ 4 ] [ 4 ] = 2 dp[4][4]=2 dp[4][4]=2。
d p [ 4 ] [ 5 ] = m i n ( d p [ 4 ] [ 4 ] , d p [ 3 ] [ 4 ] , d p [ 3 ] [ 5 ] ) + 1 = 3 dp[4][5] = min(dp[4][4], dp[3][4], dp[3][5]) + 1 = 3 dp[4][5]=min(dp[4][4],dp[3][4],dp[3][5])+1=3

在这里插入图片描述

二、一维动态规划

dp[i][j]总是以从左到右，从上到下的方向来计算的，所以我们可以对二维数组进行化简变成一维数组，只需要一个prev变量来临时存储dp[i][j - 1]。

状态转移方程就变为了 d p [ j ] = m i n ( d p [ j − 1 ] , d p [ j ] , p r e v ) + 1 dp[j] = min(dp[j - 1], dp[j], prev) + 1 dp[j]=min(dp[j−1],dp[j],prev)+1。

dp[j - 1]表示二维数组中的dp[i - 1][j - 1]。
dp[j]表示二维数组中的dp[i - 1][j]。
prev 表示二维数组中的dp[i][j - 1]。

代码

class Solution {
public:
    int maximalSquare(vector<vector<char>>& matrix) {
        int N = matrix.size();
        int M = matrix[0].size();
        int res = 0;
        vector<vector<int>> dp(N, vector<int>(M, 0));
        for (int i = 0; i < N; i++) {
            for (int j = 0; j < M; j++) {
                if (i == 0 || j == 0) dp[i][j] = matrix[i][j]-'0';
                else if (matrix[i][j] == '1')
                    dp[i][j] = (min(dp[i - 1][j - 1], min(dp[i - 1][j], dp[i][j - 1])) + 1);

                res = max(res ,dp[i][j]);
            }
        }
        return res*res;
    }
};

标签：matrix,min,正方形,二维,221,边长,LeetCode,dp
来源： https://blog.csdn.net/weixin_43651049/article/details/122558632

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9