1.题目如下:
该题的首先是要是使用动态规划来实现,是典型的动态规划问题;
难点在于最优子结构怎么构建,这里需要知道正方形矩阵的状态转移方程的形式才能够做出来,也即是:
dp(i,j)=min(dp(i−1,j),dp(i−1,j−1),dp(i,j−1))+1
在一个由 ‘0’ 和 ‘1’ 组成的二维矩阵内,找到只包含 ‘1’ 的最大正方形,并返回其面积。
示例 1:
输入:matrix = [[“1”,“0”,“1”,“0”,“0”],[“1”,“0”,“1”,“1”,“1”],[“1”,“1”,“1”,“1”,“1”],[“1”,“0”,“0”,“1”,“0”]]
输出:4
示例 2:
输入:matrix = [[“0”,“1”],[“1”,“0”]]
输出:1
示例 3:
输入:matrix = [[“0”]]
输出:0
提示:
m == matrix.length n == matrix[i].length
1 <= m, n <= 300
matrix[i][j]为 ‘0’ 或 ‘1’
2.代码如下:
class Solution {
public:
/*
*动态规划:盖提的重点是转移方程:即(i,i)范围的最大正方形边长和(i-1,i-1) (i-1,i),(i,i-1)的关系
*如果该位置的值是 0,则 dp(i,j)=0因为当前位置不可能在由 1 组成的正方形中;
*如果该位置的值是 1,则 dp(i,j) 的值由其上方、左方和左上方的三个相邻位置的 dp值决定。
*具体而言,当前位置的元素值等于三个相邻位置的元素中的最小值加 1,状态转移方程如下:
* dp(i,j)=min(dp(i−1,j),dp(i−1,j−1),dp(i,j−1))+1
*/
int maximalSquare(vector<vector<char>>& matrix) {
if (matrix.size() == 0 || matrix[0].size() == 0) {
return 0;
}
int maxSide = 0;
int rows = matrix.size(), columns = matrix[0].size();
vector<vector<int>> dp(rows, vector<int>(columns));
for (int i = 0; i < rows; i++) {
for (int j = 0; j < columns; j++) {
if (matrix[i][j] == '1') {
if (i == 0 || j == 0) {
dp[i][j] = 1;
} else {
dp[i][j] = min(min(dp[i - 1][j], dp[i][j - 1]), dp[i - 1][j - 1]) + 1;
}
maxSide = max(maxSide, dp[i][j]);
}
}
}
int maxSquare = maxSide * maxSide;
return maxSquare;
}
};