方法一:动态规划
如果我们能计算出所有 dp(i,j)\textit{dp}(i, j)dp(i,j) 的值,那么其中的最大值即为矩阵中只包含 111 的正方形的边长最大值,其平方即为最大正方形的面积。
代码如下:
class Solution {
public int maximalSquare(char[][] matrix) {
int m = matrix.length,n = matrix[0].length, a = 0;
int[][] dp = new int[m][n];
for(int i = 0; i < m;i++)
{
for(int j = 0; j < n; j++ )
{
if(i == 0 || j == 0)
{
dp[i][j] = matrix[i][j] - '0';
}
else if (matrix[i][j] == '1')
{
dp[i][j] = Math.min(dp[i-1][j-1],Math.min(dp[i][j-1],dp[i-1][j]))+ 1;
}
a = Math.max(a,dp[i][j]);
}
}
return a * a;
}
}
方法二:暴力求解
遍历矩阵中的每个元素,每次遇到 1,则将该元素作为正方形的左上角.确定正方形的左上角后,根据左上角所在的行和列计算可能的最大正方形的边长(正方形的范围不能超出矩阵的行数和列数),在该边长范围内寻找只包含 1 的最大正方形。新增下一行或有一行时,判断行中所含元素是否为一。
代码如下:
class Solution {
public int maximalSquare(char[][] matrix){
int a = 0,m = matrix.length,n = matrix[0].length ;
if(matrix == null || m == 0 || n == 0)
{
return 0;
}
for(int i = 0; i < m;i++)
{
for(int j = 0; j < n;j++)
{
if(matrix[i][j] == '1')
{
a = Math.max(a,1);
int b = Math.min(m-i,n-j);
for(int p = 1;p < b; p++)
{
boolean flag = true;
if(matrix[i+p][j+p] == '0')
{
break;
}
for(int w = 0; w < p; w++)
{
if(matrix[i+p][j+w]=='0' || matrix[i+w][j+p]=='0'){
flag = false;
break;
}
}
if(flag)
{
a = Math.max(a,p+1);
}
else
{
break;
}
}
}
}
}
int s = a * a;
return s;
}
}
方法三:利用矩阵相加(有这个想法但自己没有实现)
我们讨论从第i(0<i<M)行到第j行(i<j<M)的纵向累加和数组,什么叫纵向累加和,举个例子,如果矩阵是:
1 2 4 -1
0 3 -2 5
4 -4 1 -1
那么从第0行到第2行的纵向累加和为:5 1 3 3。把所有的纵向累加数组枚举出来(需要O(M^2)的时间复杂度),然后讨论在这个数组中值为 j-i+1连续出现的最大长度(len),这个就可以直接用动态规划或者贪心思想。我们要求的正方行的边长(ans_len)即为len和 j-i+1的较小值,并将最大ans_len记录下来。
代码如下:
public int maximalSquare(char[][] matrix) {
int M=matrix.length;
int N=matrix[0].length;
int ans_len=0,len=0;
int[] high=null;//纵向累加数组
for(int i=0;i<M;i++){
high=new int[N];
for(int j=i;j<M;j++){
len=0;//start=0;
for(int k=0;k<N;k++){
high[k]+=matrix[j][k]-'0';
if(high[k]==j-i+1){
len++;
ans_len=Math.max(ans_len,Math.min(len,high[k]));
}else len=0;//start=k+1;
}
}
}
return ans_len*ans_len;
}
}