「图解大厂面试高频算法题」动态规划-最大正方形

「图解大厂面试高频算法题」动态规划-最大正方形

PS: 本文为「图解大厂面试高频算法题」专题，主旨是根据“二八法则”的原理，以付出20%的时间成本，获得80%的刷题的收益，让那些想进互联网大厂的人少走些弯路。

PS: 欢迎关注我获取更多大厂面试总结。

题目原链接: https://leetcode-cn.com/problems/maximal-square/

题目介绍

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

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

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

题目解答

方法一：二维动态规划

思路和算法

我们可以使用动态规划的方法来解决这个问题，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，如果我们能计算出所有dp的值，那么最大的正方形面积就为max(dp[i][j])的平方了。现在最关键的问题就是我们如何计算出dp[i][j]的值。

• 如果matrix[i][j]=0，那很好理解dp[i][j]=0。
• 如果matrix[i][j]=1，dp[i][j]如何计算呢？请看上图，图中有三个正方形：
  • 蓝色正方形的边长为4，dp数组下标为dp[i-1][j-1]。
  • 绿色正方形的边长为2，dp数组下标为dp[i-1][j]。
  • 黄色正方形的边长为3，dp数组下标为dp[i][j-1]。
    我们从上图中可以看出dp[i][j]的值为3，取决于左上方dp[i-1][j-1]，正上方dp[i-1][j]，正左方dp[i][j-1]这三个值中最小的一个值再加1，得出状态转移方程为dp[i][j] = min(dp[i-1][j-1], dp[i-1][j],dp[i][j-1])+1。
    那么我们该如何去理解这个表达式呢？可以这样理解：
• 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(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。

具体例子讲解

给出一个M=4，N=5的一个matrix。

• 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dp[3][4] = min(dp[2][3], dp[2][4], dp[3][3]) + 1 = 2，
同理dp[3][5]=2，dp[4][4]=2。

dp[4][5] = min(dp[4][4], dp[3][4], dp[3][5]) + 1 = 3

代码实现

class Solution {
   
    public