LeetCode221之最大正方形（相关话题：动态规划，暴力求解）

数据与算法架构提升之路

已于 2023-12-26 22:32:27 修改

阅读量413

点赞数 1

分类专栏： # 算法文章标签：动态规划 leetcode 算法

于 2021-08-04 14:39:08 首次发布

本文链接：https://blog.csdn.net/lzhcoder/article/details/119382563

版权

算法专栏收录该内容

126 篇文章 3 订阅

订阅专栏

题目描述

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

解题分析

解法一（暴力解法）

class Solution {
    public int maximalSquare(char[][] matrix) {
        int maxSide = 0;
        if (matrix == null || matrix.length == 0 || matrix[0].length == 0) {
            return maxSide;
        }
        int rows = matrix.length, columns = matrix[0].length;
        for (int i = 0; i < rows; i++) {
            for (int j = 0; j < columns; j++) {
                if (matrix[i][j] == '1') {
                    // 遇到一个 1 作为正方形的左上角
                    maxSide = Math.max(maxSide, 1);
                    // 计算可能的最大正方形边长
                    int currentMaxSide = Math.min(rows - i, columns - j);
                    for (int k = 1; k < currentMaxSide; k++) {
                        //这里是判断斜线处是否为0
                        boolean flag = true;
                        if (matrix[i + k][j + k] == '0') {
                            break;
                        }
                        //这里是判断斜线两侧是否存在0
                        for (int m = 0; m < k; m++) {
                            if (matrix[i + k][j + m] == '0' || matrix[i + m][j + k] == '0') {
                                flag = false;
                                break;
                            }
                        }
                        if (flag) {
                            maxSide = Math.max(maxSide, k + 1);
                        } else {
                            break;
                        }
                    }
                }
            }
        }
        int maxSquare = maxSide * maxSide;
        return maxSquare;
    }
}

解法二（动态规划）

我们用dp(i,j) 表示以(i,j) 为右下角，且只包含 1的正方形的边长最大值。

那么如何计算 dp 中的每个元素值呢？对于每个位置(i,j)，检查在矩阵中该位置的值：

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：

class Solution {
    public int maximalSquare(char[][] matrix) {
        // 初始化最大边长为0
        int maxSide = 0;
        // 如果矩阵为空，或者其行数或列数为0，则直接返回0
        if (matrix == null || matrix.length == 0 || matrix[0].length == 0) {
            return maxSide;
        }
        // 获取矩阵的行数和列数
        int rows = matrix.length, columns = matrix[0].length;
        // 创建一个同样大小的dp数组，dp[i][j]表示以(i, j)为右下角的最大正方形的边长
        int[][] dp = new int[rows][columns];
        // 遍历矩阵的每个元素
        for (int i = 0; i < rows; i++) {
            for (int j = 0; j < columns; j++) {
                // 如果当前位置的元素为'1'
                if (matrix[i][j] == '1') {
                    // 如果在第一行或者第一列，则该位置的最大正方形边长只能是1
                    if (i == 0 || j == 0) {
                        dp[i][j] = 1;
                    } else {
                        // 否则，取左边、上边和左上角三个位置的最小值加1
                        dp[i][j] = Math.min(Math.min(dp[i - 1][j], dp[i][j - 1]), dp[i - 1][j - 1]) + 1;
                    }
                    // 更新最大边长
                    maxSide = Math.max(maxSide, dp[i][j]);
                }
            }
        }
        // 计算最大正方形的面积
        int maxSquare = maxSide * maxSide;
        // 返回最大正方形的面积
        return maxSquare;
    }
}