LeetCode221

最新推荐文章于 2023-10-11 15:05:20 发布

JustDreamer

最新推荐文章于 2023-10-11 15:05:20 发布

阅读量257

点赞数

分类专栏： LeetCode

本文链接：https://blog.csdn.net/JustDreamer/article/details/113759108

版权

LeetCode 专栏收录该内容

48 篇文章 0 订阅

订阅专栏

博客探讨了一种使用动态规划解决寻找矩阵中最大正方形边长的问题。暴力解法的时间复杂度较高，作者提出了一个优化的dp解决方案，通过记录以每个单元格为右下角的最大正方形边长来避免边界问题。在转移过程中，选取三个方向中的最小值加1，以处理短板效应。代码示例展示了如何实现这一算法。

摘要由CSDN通过智能技术生成

最大正方形

在这里插入图片描述

分析

首先说一个暴力解法，首先做一个前缀和然后枚举这个这个正方行的边长。这个解法的复杂度大概是：
$\sum_{i=1}^{n}\sum_{j=1}^{m}\sum_{k=1}^{n}\frac{1}{k} => mn*lnn$
希望我没有算错。这个复杂度有点拉跨，其实考虑dp
dp[i][j]表示已(i,j)为右下角的最大边长，
$d p [i] [j] = m i n (d p [i - 1] [j], d p [i] [j - 1], d p [i - 1] [j - 1]) + 1$
首先是从这三个方向转移过来应该是没啥疑问，但是为啥去最小呢？其实这里的原因也很显而易见，就是短板效应。我懒得画图了，懂得都懂。
但是这里面有个比较恶心的就是边界问题，为了避免这个问题把数组加一维度

class Solution {
public:
    int dp[2000][2000];
    int maximalSquare(vector<vector<char>>& matrix) {
        if (!matrix.size())return 0;
        memset(dp, 0, sizeof(dp));
        int n = matrix.size();
        int m = matrix[0].size();
        int ans = 0;
        for (int i = 0; i < n; i++) {
            for (int j = 0; j < m; j++) {
                if (matrix[i][j] == '1') {
                    dp[i + 1][j + 1] = min({ dp[i][j],dp[i][j + 1],dp[i + 1][j] }) + 1;
                    ans = max(ans, dp[i + 1][j + 1]);
                }
            }
        }
        return ans * ans;
    }
};