leetcode 221. Maximal Square

题目概述

解题思路

这道题看上去应该用动态规划求解。我一开始的思路就是：存储一个二维矩阵dp，dp[i][j]表示以(i, j)为顶点的能构建的最大正方形的边长。但是我在写递推公式的时候碰到了问题：

dp[i][j]显然和dp[i][j+1]、dp[i+1][j]、dp[i+1][j+1]相关，可是该怎么构建递推的关系呢？

我们不妨考虑dp[i+1][j]和dp[i+1][j+1]两者对dp[i][j]的影响（这个影响其实与dp[i][j+1]和dp[i+1][j+1]带来的影响是类似的）。我们现在要构建的递推公式，它的物理意义是说，考察加上dp[i][j]这个点以及从它出发的向下、向右两个方向最长能有多少个1用于构建最大正方形，如图1所示。

首先当原矩阵A[i][j]的值为0时，显然dp[i][j] = 0。当A[i][j]为1时：

以dp[i+1][j]为例，现在它的值是1，如果它能利用上A[i][j]这个点构建出边长为2的正方形，就要确保A[i][j+1]和A[i+1][j+1]都为1。

更一般地，当dp[i+1][j]为n时，要想用上它作为(i, j)点包含的最大正方形，就要求A[i][j+1]-->A[i][j+n]和A[i+1][j+n]-->A[i+n][j+n]两部分都是1。

判断前者是否成立，就是判断dp[i][j+1]是否不小于n。判断后者是否成立，就是判断dp[i+1][j+1]是否不小于n。

假设dp[i+1][j+1]为n，那么要想利用上这个矩阵构建n+1为边长的、以(i, j)为顶点的最大正方形，就需要判断A[i+1][j]-->A[i+n][j]是否都是1，以及A[i][j+1]-->A[i][j+n]是否都是1。

判断前者等价于判断dp[i+1][j]是否不小于n，判断后者等价于判断dp[i][j+1]是否不小于n。

也就是说，实际上我们能取到的最大正方形，就是min(dp[i][j+1], dp[i+1][j], dp[i+1][j+1])再加上1。

由此得到递推公式：

算法性能

时间复杂度可以降至O(n^2)，而空间复杂度也可以降至O(n)，因为我们每次只用了前一层的结果。

O(n^2)时间复杂度 + O(n^2)的空间复杂度：

O(n^2)时间复杂度 + O(n)空间复杂度：

这道题可能体现不出来。。毕竟你可以直接在matrix矩阵上操作，无需申请额外的空间/(ㄒoㄒ)/

示例代码

O(n^2)时间复杂度 + O(n^2)的空间复杂度：

class Solution {
public:
    int maximalSquare(vector<vector<char>>& matrix) 
    {
        int R = matrix.size(), C = matrix[0].size(), res = 0;
        int **dp = new int*[R + 1];
        for(int i = 0; i < R + 1; ++i)
        {
            dp[i] = new int[C + 1];
            for(int j = 0; j < C + 1;++j)
            {
                dp[i][j] = 0;
            }
        }
        
        for(int i = R - 1; i >= 0; --i)
        {
            for(int j = C - 1; j >= 0; --j)
            {
                if(matrix[i][j] == '1')
                {
                    dp[i][j] = min(min(dp[i][j + 1], dp[i + 1][j]), dp[i + 1][j + 1]) + 1;
                    res = max(res, dp[i][j]);
                }   
            }
        }
        
        return res * res;
    }
};

O(n^2)时间复杂度 + O(n)空间复杂度：

class Solution {
public:
	int maximalSquare(vector<vector<char>>& matrix)
	{
		int R = matrix.size(), C = matrix[0].size(), res = 0;
		int *dp = new int[C + 1], temp1, temp2;
		for (int i = 0; i < C + 1; ++i)
			dp[i] = 0;

		for (int i = R - 1; i >= 0; --i)
		{
			temp2 = temp1 = 0;
			for (int j = C - 1; j >= 0; --j)
			{
				if (matrix[i][j] == '1')
					temp2 = min(min(dp[j + 1], dp[j]), temp1) + 1;
				else
					temp2 = 0;
				dp[j + 1] = temp1;
				temp1 = temp2;
				res = max(res, temp1);
			}
			dp[0] = temp1;
		}

		return res * res;
	}
};

---

第一次碰到这道题是在面试中，当时没能想出递推公式（这就是为啥我写递推公式的时候写得非常详细）_(:з」∠)_

我当时联想到的解法是最大矩形面积（不过这题是最大正方形）。用最大矩形面积去求的话，容易陷入的误区是，认为最大正方形一定包含在最大矩形中，这显然是不对的。

举个栗子：

1 1 0 0
1 1 1 0
1 1 1 0
1 1 1 0
1 1 0 0

上面矩阵的最大矩形面积是10（2 x 5），其中包含的最大正方形面积是4（2 x 2）；而矩阵中的最大正方形面积是9（3 x 3）。