【LeetCode:85. 最大矩形 + 单调栈】

🚀 算法题 🚀

🌲 算法刷题专栏 | 面试必备算法 | 面试高频算法 🍀
🌲 越难的东西,越要努力坚持，因为它具有很高的价值，算法就是这样✨
🌲 作者简介：硕风和炜，CSDN-Java领域优质创作者🏆，保研|国家奖学金|高中学习JAVA|大学完善JAVA开发技术栈|面试刷题|面经八股文|经验分享|好用的网站工具分享💎💎💎
🌲 恭喜你发现一枚宝藏博主,赶快收入囊中吧🌻
🌲 人生如棋，我愿为卒，行动虽慢，可谁曾见我后退一步？🎯🎯

🚀 算法题 🚀

🚩 题目链接

• 85. 最大矩形

⛲ 题目描述

给定一个仅包含 0 和 1 、大小为 rows x cols 的二维二进制矩阵，找出只包含 1 的最大矩形，并返回其面积。

示例 1：

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：6
解释：最大矩形如上图所示。
示例 2：

输入：matrix = [[“0”]]
输出：0
示例 3：

输入：matrix = [[“1”]]
输出：1

提示：

rows == matrix.length
cols == matrix[0].length
1 <= row, cols <= 200
matrix[i][j] 为 ‘0’ 或 ‘1’

🌟 求解思路&实现代码&运行结果

---

⚡ 单调栈

🥦 求解思路

1. 首先，我们将这个二维数组降维，说的更明白一些，就是通过一个一维数组更好的表示，从0行，到当前的某一行，每一列的连续1的个数。
2. 然后，我们就利用单调栈的思想，维护一个递增的单调栈，快速的找到左右侧最小的元素，然后计算当前的最大矩形面积并返回。
3. 有了基本的思路，接下来我们就来通过代码来实现一下。

🥦 实现代码

class Solution {
    public int maximalRectangle(char[][] matrix) {
        int m = matrix.length;
        int n = matrix[0].length;
        Deque<Integer> stack = new LinkedList<>();
        int ansMax = 0;
        int[] height = new int[n];
        for (int i = 0; i < m; i++) {
            for (int j = 0; j < n; j++) {
                height[j] = matrix[i][j] == '0' ? 0 : height[j] + 1;
            }
            int levelMax = 0;
            for (int j = 0; j < n; j++) {
                while (!stack.isEmpty() && height[stack.peekLast()] >= height[j]) {
                    int index = stack.pollLast();
                    int k = stack.isEmpty() ? -1 : stack.peekLast();
                    int cur = height[index] * (j - k - 1);
                    levelMax = Math.max(levelMax, cur);
                }
                stack.addLast(j);
            }
            while (!stack.isEmpty()) {
                int index = stack.pollLast();
                int k = stack.isEmpty() ? -1 : stack.peekLast();
                int cur = height[index] * (n - k - 1);
                levelMax = Math.max(cur, levelMax);
            }
            ansMax = Math.max(ansMax, levelMax);
        }
        return ansMax;
    }
}

🥦 运行结果

---

💬 共勉

最后，我想和大家分享一句一直激励我的座右铭，希望可以与大家共勉！