原题
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
Reference Answer
思路分析
有两种方法,第一种就是对矩阵的每个位置求左上角以上所有元素的和,然后用所有可能构成的正方形的区域内进行面积计算,如果面积等于正方形边长的平方,说明是一个正方形,然后求最大面积。
第二种方法使用DP。设这个DP[i][j]数组为以i, j位置为右下角顶点的能够成的最大正方形的边长。数组如果是第一行或者第一列,显然dp和matrix相等。如果是其他位置,当matrix[i][j] = 1时,能够成的正方形等于左边、上边、左上能够成的正方形边长的最小值+1.为什么是最小值?因为只要存在一个0,那么就没法构成更大的正方形,这个是很保守的策略。
递推公式如下:
- dp[0][j] = matrix[0][j] (topmost row);
- dp[i][0] = matrix[i][0] (leftmost column);
- For i > 0 and j > 0: if matrix[i][j] = 0, dp[i][j] = 0; if matrix[i][j] = 1, dp[i][j] = min(dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1]) + 1.
时间复杂度是O(N2),空间复杂度是O(N2)。
这道题开始想成用相成了依据LeetCode 200 求岛屿数量的回溯法求解了,在求解过程中,回溯策略采用从左上角开始,当发现元素为1之后,当
if row < len(matrix) - 1 and col < len(matrix[0]) - 1 and matrix[row + 1][col + 1] == '1' and matrix[row + 1][ col] == '1' and matrix[row][col + 1] == '1'
进行判定,回溯return self.dfs(matrix, row + 1, col + 1) + 1
;结果证明,这种方法不能判别:
Input:
0 0 0 1
1 1 0 1
1 1 1 1
0 1 1 1
0 1 1 1
Output: 16 (实际应该为9)
错误原因正是row = 1, col =1,也满足回溯条件,故而出错。最后看参考答案,这道题采用动态规划更容易做。(吃了没判定好使用动态规划与回溯的亏)
Input:
111
010
111
Output: 1(却被程序判别为2,因为把左下角当做一个独立岛屿看待了)
而当先对左上角、左下角与右上角进行设置后,依旧不满足,因为存在
Input:
11
Output: 1(却被程序判别为2,因为把右上角当做一个独立岛屿看待了)
最后,放弃动态规划,改用DFS。
Code
class Solution(object):
def maximalSquare(self, matrix):
"""
:type matrix: List[List[str]]
:rtype: int
"""
if not matrix: return 0
M = len(matrix)
N = len(matrix[0])
dp = [[0] * N for _ in range(M)]
for i in range(M):
dp[i][0] = int(matrix[i][0])
for j in range(N):
dp[0][j] = int(matrix[0][j])
for i in range(1, M):
for j in range(1, N):
if int(matrix[i][j]) == 1:
dp[i][j] = min(dp[i][j - 1], dp[i - 1][j], dp[i - 1][j - 1]) + 1
return max(map(max, dp)) ** 2
补充一个 C++ 版:
class Solution {
public:
int maximalSquare(vector<vector<char>>& matrix) {
if (matrix.empty() || matrix[0].empty()){
return 0;
}
int m = matrix.size();
int n = matrix[0].size();
vector<vector<int>> dp(m, vector<int>(n, 0));
int key = 0;
for (int i = 0; i < m; i++){
dp[i][0] = matrix[i][0] - '0';
key = max(key, dp[i][0]);
}
for (int j = 0; j < n; j++){
dp[0][j] = matrix[0][j] - '0';
key = max(key, dp[0][j]);
}
for (int i = 1; i < m; i++){
for (int j = 1; j < n; j++){
if (matrix[i][j] == '0'){
dp[i][j] = 0;
}
else {
dp[i][j] = min({dp[i-1][j], dp[i][j-1], dp[i-1][j-1]}) + 1;
key = max(key, dp[i][j]);
}
}
}
return key * key;
}
};
Note:
- 动态规划与DFS到底用哪个要仔细琢磨清楚!
max(map(max, dp))
的使用,因为max函数无法直接作用到矩阵 dp 上,通过一个 map 映射,将max函数映射到dp元素上,得到一个迭代对象,再外套一个max函数,得到矩阵的最大值,使用方法很巧妙,值得借鉴(也可采用np.max()
函数进行直接矩阵最大值求解)。
参考资料
[1] https://blog.csdn.net/fuxuemingzhu/article/details/82992233