LeetCode 221 Maximal Square 题解

题意简述：给定一个由0和1组成的二维矩阵，找到其中只包含1的最大正方形。
输入：char类型二维矩阵matrix
输出：最大正方形的面积
示例：对于以下矩阵，所能找到的最大正方形用加粗表示，其面积为4。
1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0

---

题解：
采用动态规划，考虑求解以点(i,j)作为右下角所能找到的正方形最大边长。

• 边界情况是最上方的行和最左边的列，如果matrix[i][j]的值为0，则不存在这样的正方形，边长为0；如果为1，则边长为1（受边界影响无法再扩大正方形）。
  $$dp(i,j) = matrix[i][j] - '0' \ \ (当点位于左边界和上边界)$$
• 对于非边界情况，如果matrix[i][j]的值为0，则不存在这样的正方形，边长为0；如果为1，需要考虑正上方点(i-1,j)和正左方点(i,j-1)这两个点的最大边长，点(i,j)的最大边长受限于这两者更小的那个，有两种情况（(i-1,j)和(i,j-1)的最大正方形用蓝色实线框标出，(i,j)的最大正方形用红色虚线框标出）：
  
  实际上两种情况可以合并，它们都是先求出更小的最大边长$min(dp(i-1,j),dp(i,j-1))$（记为temp），然后观察点(i-temp,j-temp)的值以决定这个边长temp是否可以+1。
  $temp = min(dp(i-1,j),dp(i,j-1))$
  $当\ matrix[i][j] == '0',\ dp(i,j)=0$
  $当\ matrix[i][j] == '1',\ dp(i,j)=temp + (matrix[i-temp][j-temp] - '0'))$

由于$dp(i,j)$的值只依赖于正上方和正左方的值，所以可以在空间上进一步优化，dp可以用一维数组表示而非二维数组。dp的值使用第一行初始化，然后逐行求解dp，每处理一行后，如果dp的最大值与之前得到的最大值比较更大，就更新最大值。

对于非边界情况而且matrix[i][j]的值为1，新的状态转移方程是
$temp = min(dp(j),dp(j-1))$
$dp(j) = temp + (matrix[i-temp][j-temp] - '0')$

算法的时间复杂度是O(m*n)（二维矩阵的规模），空间复杂度是O(n)。

class Solution {
public:
    int maximalSquare(vector<vector<char>>& matrix) {
        if(matrix.size() == 0) return 0;
        int row = matrix.size(), col = matrix[0].size();
        int res = 0;
        vector<int> dp(col, 0);

        // first row
        for(int i = 0;i < col;i++) dp[i] = matrix[0][i] - '0';
        res = max(res, *max_element(dp.begin(), dp.end()));

        // dp
        for(int i = 1;i < row;i++) {
            // first col
            dp[0] = matrix[i][0] - '0';
            // other cols
            for(int j = 1;j < col;j++) {
                if(matrix[i][j] == '1') {
                    int temp = min(dp[j], dp[j-1]);
                    dp[j] = temp + (matrix[i-temp][j-temp] - '0');
                } else {
                    dp[j] = 0;
                }
            }
            res = max(res, *max_element(dp.begin(), dp.end()));
        }

        return res * res;
    }
};