221. 最大正方形

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

动态规划
我们用一个例子来解释这个方法：

0 1 1 1 0
1 1 1 1 1
0 1 1 1 1
0 1 1 1 1
0 0 1 1 1

我们用 0 初始化另一个矩阵 dp，维数和原始矩阵维数相同；
dp(i,j) 表示的是由 1 组成的最大正方形的边长；
从 (0,0)开始，对原始矩阵中的每一个 1，我们将当前元素的值更新为
dp(i, j)=min(dp(i−1, j), dp(i−1, j−1), dp(i, j−1))+1

我们还用一个变量记录当前出现的最大边长，这样遍历一次，找到最大的正方形边长 maxsqlen，那么结果就是 maxsqlen^2。
可以通过下面的图来理解该工作原理:

(1,3) 处的 2 表示到该索引为止有个边长为 2 的正方形。同样的，(1,2) 和 (2,2) 处的 2 也表示到该索引为止有边长为 2 的正方形。到了 (3,3)，原始矩阵中 (3,3) 中的 1，形成了边长为 3 的正方形，所以在 (3,3)中应该为 3。

现在考虑索引 (3,4)的情况，到 (3,4) 所能形成的最大正方形为 2，所以 (3,4) 应为 2。

复杂度分析

• 时间复杂度：O(mn)
• 空间复杂度：O(mn)，用了一个大小相同的矩阵 dp。

class Solution {
public:
    int maximalSquare(vector<vector<char>>& matrix) {
        if (matrix.size() == 0) {
            return 0;
        }
        vector<vector<int>> dp(matrix.size()+1, vector<int>(0, matrix[0].size()+1));
        int max_len = 0;
        for (int i = 1; i <= matrix.size(); ++i) {
            for (int j = 1; j <= matrix[i-1].size(); ++j) {
                if (matrix[i-1][j-1] == '1') {
                    dp[i][j] = min(dp[i-1][j-1], dp[i-1][j]);
                    dp[i][j] = min(dp[i][j], dp[i][j-1]);
                    max_len = max(max_len, dp[i][j]);
                }
            }
        }
        return max_len * max_len;
    }
};

理解 min(上, 左, 左上) + 1
如题，动态规划方法的题解中，都会涉及到下列形式的代码：

if (grid(i, j) == 1) {
    dp(i, j) = min(dp(i-1, j), dp(i, j-1), dp(i-1, j-1)) + 1;
}

翻译成中文

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。

先来阐述简单共识

1. 若形成正方形（非单 1），以当前为右下角的视角看，则需要：当前格、上、左、左上都是 1
2. 可以换个角度：当前格、上、左、左上都不能受 0 的限制，才能成为正方形

上面详解了 三者取最小 的含义：

• 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
• 数字表示：以此为正方形右下角的最大边长
• 黄色表示：格子 ? 作为右下角的正方形区域

就像 木桶的短板理论 那样——附近的最小边长，才与 ? 的最长边长有关。
此时已可得到递推公式 if (grid[i][j] == 1) f[i][j] = min(f[i-1][j-1], f[i-1][j], f[i][j-1]) + 1;