动态规划 二维 221. Maximal Square (Medium)

这篇博客探讨了如何使用递归算法解决寻找二维字符矩阵中最大全1子矩阵(正方形)边长的问题。作者提供了两种不同的实现,通过遍历矩阵并维护边界条件来找到最大正方形。第一种实现可能不全面,而第二种方法利用了前一格的信息进行优化。
摘要由CSDN通过智能技术生成

在这里插入图片描述
在这里插入图片描述
写了个递归,过了

class Solution {
public:
    int maximalSquare(vector<vector<char>>& matrix) {
        int res = 0;
        int m = matrix.size();
        int n = matrix[0].size();
        for(int i = 0; i < m; i++){
            for(int j = 0; j < n; j++){
                if(matrix[i][j] == '1'){
                    int a = findsq(matrix, i, j, 1);
                    res = max(res, a);
                }
            }
        }
        return res*res;
    }
    int findsq(vector<vector<char>>& matrix, int i, int j, int edge){
        bool find = true;
        for(int x = i; x < i + edge; x++){
            if(matrix[x][j+edge-1] == '0')
                find = false;
        }
        for(int y = j; y < j + edge; y++){
            if(matrix[i+edge-1][y] == '0')
                find = false;
        }
        if(find && i+edge+1 <= matrix.size() && j+edge+1 <= matrix[0].size()){
            cout << 'b';
            return findsq(matrix,i,j,edge+1);
        }
        else if(find)
            return edge;
        else
            return edge-1;
    }
};

自己写的,考虑不全面错了

class Solution {
public:
    int maximalSquare(vector<vector<char>>& matrix) {
        int res = 0;
        int m = matrix.size();
        int n = matrix[0].size();
        for(int i = 0; i < m; i++){
            for(int j = 0; j < n; j++){
                if(matrix[i][j] == '1' && i-1 >= 0 && j-1 >= 0 && matrix[i-1][j] != '0' && matrix[i][j-1] != '0'){
                    int edge = min(matrix[i-1][j],matrix[i][j-1]) - '0';
                    if(matrix[i-edge][j-edge] != '0'){
                        matrix[i][j] += edge;
                    }
                    else
                        matrix[i][j] += edge-1;
                }
                res = max(res, matrix[i][j]-'0');
            }
        }
        return res*res;
    }
    int min(int a, int b){
        return a < b? a : b;
    }
};

答案
在这里插入图片描述

### 回答1: 极大无关组(Maximal Independent Set,MIS)是指图中的一组顶点,其中任意两个顶点都不相邻,并且无法再添加其他的顶点使其满足这两个条件。 要使用Python来求解二维列表的极大无关组,可以按照以下步骤进行: 1. 定义二维列表 首先,需要定义一个二维列表,表示图的邻接关系。假设该二维列表为adj_matrix,adj_matrix[i][j]的值为1表示第i个顶点与第j个顶点相邻,为0表示两个顶点不相邻。 2. 遍历求解 接下来,可以使用递归或者回溯的方法,遍历所有可能的顶点组合。具体步骤如下: - 定义一个方法,用于判断当前顶点是否可以加入到极大无关组中。该方法需要检查当前顶点与已选顶点集合的关系,如果当前顶点与已选的顶点有邻接关系,则返回False;否则返回True。 - 定义一个方法,用于递归地生成所有的极大无关组。该方法需要传入已选顶点集合,当前要考虑的顶点以及极大无关组的列表。 - 在递归的过程中,判断当前顶点是否可以加入到已选顶点集合中。如果可以加入,则将其加入到已选顶点集合中,并递归地考虑下一个顶点。否则,直接跳过当前顶点,考虑下一个顶点。 - 当已经考虑了所有的顶点时,将已选顶点集合加入到极大无关组的列表中。 3. 输出结果 当遍历完成后,极大无关组的列表即为最终的结果。可以将其输出或者进一步进行其他操作。 需要注意的是,求解极大无关组可能是一个指数级的问题,因此当图的规模较大时,可能需要考虑使用其他更加高效的算法或者优化方法。 ### 回答2: 极大无关组(Maximal Independent Set)是指在一个图中,如果将任何一个顶点加入到当前的无关组中,都会使得该组不再是无关组。二维列表可以表示一个图的邻接矩阵,其中元素为1表示两个顶点之间有边相连,元素为0表示两个顶点之间没有边相连。 通过深度优先搜索算法(Depth First Search, DFS),可以求得所有可能的极大无关组。具体步骤如下: 1. 定义一个函数`dfs(graph, start, visited)`,其中`graph`为二维列表表示的邻接矩阵,`start`为起始顶点,`visited`为记录已访问过的顶点的列表。 2. 首先将起始顶点标记为已访问,并将其加入无关组列表。 3. 遍历邻接矩阵的第`start`行,如果发现某顶点与`start`相连且未被访问过,则将其标记为已访问,并将其加入无关组列表。 4. 对于无关组列表中的每个顶点,递归调用`dfs`函数,继续搜索更深层的节点。 5. 返回无关组列表。 以下是使用Python代码实现上述算法的示例: ```python def dfs(graph, start, visited): visited[start] = True independent_set = [start] for i in range(len(graph[start])): if graph[start][i] == 1 and not visited[i]: visited[i] = True independent_set.append(i) for vertex in independent_set: independent_set.extend(dfs(graph, vertex, visited)) return independent_set # 示例邻接矩阵,表示一个图的连接关系 graph = [ [0, 1, 1, 0], [1, 0, 0, 1], [1, 0, 0, 1], [0, 1, 1, 0] ] # 初始化访问标记列表 visited = [False] * len(graph) # 调用dfs函数求极大无关组 max_independent_set = dfs(graph, 0, visited) print("极大无关组:", max_independent_set) ``` 以上代码中的示例邻接矩阵表示一个有4个顶点的图,顶点0与顶点1、2相连,顶点1与顶点3相连,顶点2与顶点3相连。经过DFS算法的搜索,得到的结果为[0, 1, 2],便是该图的一个极大无关组。 ### 回答3: 极大无关组(Maximal Independent Set)是指在一个无向图中,任意两个节点之间不存在边连接的节点集合,在数学和计算机科学中具有重要的应用。 通过二维列表求极大无关组可以采用以下步骤: 1. 定义一个二维列表来表示图的连接关系,列表中的每个元素表示一个节点的连接情况。节点间的连接可以用1表示,无连接用0表示。例如,若有四个节点,列表可以定义为:[[0, 1, 1, 0], [1, 0, 0, 1], [1, 0, 0, 0], [0, 1, 0, 0]]。 2. 创建一个空列表,用于存储极大无关组。例如,初始时可以将空列表定义为result = []。 3. 使用循环遍历二维列表中的每个节点,对于每个节点进行以下处理: - 若该节点不与已知的极大无关组中的任何节点相连,则将该节点加入极大无关组result中,并更新已知的极大无关组。 - 若该节点与已知的极大无关组中的某个节点相连,则跳过该节点,继续下一个节点的处理。 4. 循环结束后,极大无关组result中存储的就是求解得到的极大无关组。 这种方法基于概念上的枚举和判断,通过遍历各个节点来逐步构建极大无关组。在实际应用中,可以利用算法的高效性和Python对列表处理的方便性,快速求解复杂网络结构中的极大无关组问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值