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:

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

思路一：暴力美学
直接从左上角遍历所有元素，遇到1，就开始判断它的最大正方形：

1. 设置一个len，初始值为1，代表这个正方形的边长；
2. 设置标志位flag，一旦在检测过程中发现了0，就置为false；
3. 然后向右和向下遍历此元素的一整行/列（长为len）是否全为1。是则len++，然后继续遍历；否则置标志位为false。
4. 最后返回最大的len所对应的面积

时间复杂度：O((mn)²)，最坏情况下，我们需要遍历整个矩阵寻找每个 1。
空间复杂度：O(1)，没有使用额外的空间。

思路二：动态规划
看到这个题的标签是动态规划时，我就很疑惑，这个题怎么能用动态规划呢，看了看题解才发现，奥~原来是这个意思。

若某格子值为 1 ，则以此为右下角的正方形的最大边长为：上面的正方形、左面的正方形或左上的正方形中，最小的那个，再加上此格。

用图的方法表示：

可以看到，

• 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

时间复杂度：O(mn)
空间复杂度：O(mn)

所以，代码如下：

class Solution {
    public int maximalSquare(char[][] matrix) {
        if(matrix==null || matrix.length==0)    return 0;
        int nr = matrix.length;
        int nc = matrix[0].length;
        int max = 0;
        //这样的目的是为了避免手动设置边界值
        int[][] dp = new int[nr+1][nc+1];
        for(int r=1;r<nr+1;r++){
            for(int c=1;c<nc+1;c++){
                if(matrix[r-1][c-1]=='1'){
                    dp[r][c] = Math.min(Math.min(dp[r-1][c],dp[r-1][c-1]),dp[r][c-1])+1;
                    max = Math.max(dp[r][c],max);
                }
            }
        }
        return max*max;
    }
}

思路三：优化动态规划
这个理解起来，对于我这种白痴而言就更难了。其实我们的遍历是一行一行的遍历的。那么只用一个一维数组dp[]保存一行的边长是否可行呢？
是可行的。每一次换新的一行，都是dp的一次更新换代。那么原来的dp代表的就是上一行。
所以，假如我们用prev来存储上一行的dp[c]，来代表下一列左上角的值；然后用dp[c-1]来代表左边的值；用dp[c]来代表上面的值。就可以只用一维数组就可以表示了！！
这样一来，空间复杂度仅为O(n)。

class Solution {
    public int maximalSquare(char[][] matrix) {
        if(matrix==null || matrix.length==0)    return 0;
        int nr = matrix.length;
        int nc = matrix[0].length;
        int max = 0;
        int prev = 0;
        //这样的目的是为了避免手动设置边界值
        int[] dp = new int[nc+1];
        for(int r=1;r<nr+1;r++){
            for(int c=1;c<nc+1;c++){
                int temp = dp[c];   //存储下来，留给下一列用
                if(matrix[r-1][c-1]=='1'){
                    dp[c] = Math.min(Math.min(dp[c-1],prev),dp[c])+1;
                    max = Math.max(dp[c],max);
                }else{
                    dp[c] = 0;
                }
                prev = temp;
            }
        }
        return max*max;
    }
}