法1:暴力,时间复杂度实在太高了,遍历该数组,如果当前位是1,那么就以它为左上角的那个方块,依次往下加行和加列,从k=1开始加,但是要保证不会越界,所以循环的结束的条件是i+k<行数&&j+k<列数,如果当前正方形得对角为0,直接退出循环,反之判断新加的这一行和这一列是否全为1,如果不是,那么flag为false,可以直接退出当前循环和外层循环,如果全是1,那么maxSide就可能要更新成k+1了。
法2:dp,因为我们有很多重复计算的,所以考虑到dp,我们用dp[i][j]来保存以(i,j)为右下角的方块的最大值,怎么求dp[i][j]呢?这时状态转移方程来了。
如果当前位为0,那么dp[i][j]就是0,如果当前是第一行或者第一列的,那么dp[i][j]就是1,如果就是普通的1,那么dp[i][j]和它左边上边以及左上三个值都有关
class Solution {
public:
int maximalSquare(vector<vector<char>>& matrix) {
if(matrix.size() == 0 || matrix[0].size() == 0) return 0;
//法一:暴力法,遍历数组,找到1就判断以它作为左上角的正方形最大可以多大
/*int maxSide = 0;
for(int i = 0; i < matrix.size(); ++i){
for(int j = 0; j < matrix[0].size(); ++j){
if(matrix[i][j] == '1'){
//依次往下加一行+一列,如果加的均为1,就计算新正方形的大小
maxSide = max(maxSide,1);
for(int k = 1; i+k < matrix.size() && j+k < matrix[0].size(); k++){
//在当前行列+k都不能越界
bool flag = true;
if(matrix[i+k][j+k] == '0'){
break;
}
for(int m = 0; m < k; ++m){
if(matrix[i+k][j+m]=='0' || matrix[i+m][j+k] == '0'){
flag = false;
break;
}
}
if(flag) maxSide = max(maxSide,k+1);
else break;
}
}
}
}
return maxSide*maxSide;*/
//法2:dp,状态转移,
int dp[matrix.size()][matrix[0].size()];
int maxSide = 0;
for(int i = 0; i < matrix.size(); ++i){
for(int j = 0; j < matrix[0].size(); ++j){
if(matrix[i][j] == '0'){
dp[i][j] = 0;
continue;
}
else if(i == 0 || j == 0){
dp[i][j] = 1;
}
else{
dp[i][j] = min({dp[i-1][j],dp[i][j-1],dp[i-1][j-1]})+1;
}
maxSide = max(dp[i][j],maxSide);
}
}
return maxSide*maxSide;
}
};