LeetCode(221) Maximal Square

题目:

Given a 2D binary matrix filled with 0’s and 1’s, find the largest square containing all 1’s and return its area.

For example, given the following matrix:

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

Return 4.

1、定义所谓的“状态”即什么表示什么：首先我根据已有信息初步判定本题的算法设计技术是二维动态规划即用一张二维表格存储结果；将问题转化为求取最大全1数组的边长，因为对边长平方的结果即为面积，有点重新定义问题的味道；下面我开始研究可行解的结构，可行解是一个全1的数组，最优解是边长最大的可行解，最优值是最优解对应的值，最优解的一个属性边长；思考如何将规模缩小呢？；对解进行分类，在这一块在那一块；考虑大问题与小问题的不同，以及这种不同对可行解，最优解，最优值的影响；经过这一系列的思考，定义s[i，j] 为在（i，j）左上方的矩形的最大全1数组的边长。

2、考虑所谓的状态转移方程：s[i，j]依赖于s[i - 1，j]，依赖于s[i，j - 1]，还依赖于大问题与子问题的不同；s[i，j]与s[i - 1，j]、s[i，j - 1]的不同是元素（i，j）;那么到底该如何将子问题的结果贡献到问题的结果中呢？；定义a[i，j]为包含元素（i，j）的最大全1数组的边长，那么就得到s[i][j] = max(s[i][j - 1], s[i - 1][j], a[i][j]);

3、我们发现a[i][j]并不是那么容易求取，但比s[i][j]容易求取，我表示很开心，感觉一切已经上了轨道，二次动态规划：a[i][j]依赖于什么？；通过观察二维数组，a[i][j]依赖于a[i-1][j-1]；慢慢我发现仅仅依赖于a[i-1][j-1]吗？还依赖于 从元素(i,j)出发的所在的行的连续1的个数、从元素(i,j)出发的所在的列的连续1的个数那么我们得到状态转移方程a[i][j] = min(a[i - 1][j - 1] + 1, tmpRow, tmpColumn);

4、下面的工作是：先填满表格a，再借助于表格a填满表格s

5、结束。

7、附录-重要的手稿，记录了思维过程，以及指导性话语。

class Solution {
public:
    int maximalSquare(vector<vector<char>>& matrix) {

        if (matrix.empty()) {

            return 0;

        }

        int length = matrix.size();
        int width = matrix[0].size();

        vector<vector<int>> a(length ,vector<int>(width));

        for(int i = 0; i < width; i++) 

            a[0][i] = matrix[0][i] - '0';

        for(int i = 0; i < length; i++)

            a[i][0] = matrix[i][0] - '0';

        for(int i = 1; i < length; i++) {

            for(int j = 1; j < width; j++) {

                int tmpRow = 0;
                while(tmpRow <= j && matrix[i][j - tmpRow] == '1')

                    tmpRow++;

                int tmpColumn = 0;
                while(tmpColumn <= i && matrix[i - tmpColumn][j] == '1')

                    tmpColumn++;

                a[i][j] = min(a[i - 1][j - 1] + 1, min(tmpRow, tmpColumn));

            }

        }

        vector<vector<int>> s(length ,vector<int>(width));

        s[0][0] = matrix[0][0] - '0';

        for(int i = 1; i < width; i++) 

            s[0][i] = max(s[0][i - 1], matrix[0][i] - '0');

        for(int i = 1; i < length; i++)

            s[i][0] = max(s[i - 1][0], matrix[i][0] - '0');

        for(int i = 1; i < length; i++) {

            for(int j = 1; j < width; j++) {

                s[i][j] = max(max(s[i][j - 1], s[i - 1][j]), a[i][j]);

            }

        }

        return s[length - 1][width - 1] * s[length - 1][width - 1];

    }
};