题目:
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。
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
输入:matrix = [["0","1"],["1","0"]]
输出:1
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'
思考:
理解 min(上, 左, 左上) + 1
如题,在其他动态规划方法的题解中,大都会涉及到下列形式的代码:
if (matrix(i - 1, j - 1) == '1') {
dp(i, j) = min(dp(i - 1, j), dp(i, j - 1), dp(i - 1, j - 1)) + 1;
}
其中,dp(i, j) 是以 matrix(i - 1, j - 1) 为 右下角 的正方形的最大边长
若某格子值为 1,则以此为右下角的正方形的、
最大边长为:上面的正方形、左面的正方形或左上的正方形中,最小的那个,再加上此格。
先来阐述简单共识
若形成正方形(非单 1),以当前为右下角的视角看,则需要:当前格、上、左、左上都是 1
可以换个角度:当前格、上、左、左上都不能受 0 的限制,才能成为正方形
上面详解了 三者取最小 的含义:
图 1:受限于左上的 0
图 2:受限于上边的 0
图 3:受限于左边的 0
数字表示:以此为正方形右下角的最大边长
黄色表示:格子 ? 作为右下角的正方形区域
就像 木桶的短板理论 那样——附近的最小边长,才与 ? 的最长边长有关。
此时已可得到递推公式
if (grid[i - 1][j - 1] == '1') {
dp[i][j] = min(dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]) + 1;
}
从感性理解,到代码实现
从上述图解中,我们似乎得到的只是「动态规划 推进 的过程」,即「如何从前面的 dp 推出后面的 dp」,
甚至还只是感性理解
距离代码我们还缺:dp 具体定义如何,数组多大,初值如何,如何与题目要求的面积相关
dp 具体定义:dp[i + 1][j + 1] 表示 「以第 i 行、第 j 列为右下角的正方形的最大边长」
为何不是 dp[i][j]
回到图解中,任何一个正方形,我们都「依赖」当前格 左、上、左上三个方格的情况
但第一行的上层已经没有格子,第一列左边已经没有格子,需要做特殊 if 判断来处理
为了代码简洁,我们 假设补充 了多一行全 '0'、多一列全 '0'
此时 dp 数组的大小也明确为 new dp[height + 1][width + 1]
初始值就是将第一列 dp[row][0] 、第一行 dp[0][col] 都赋为 0,
相当于已经计算了所有的第一行、第一列的 dp 值
题目要求面积。根据 「面积 = 边长 x 边长」可知,我们只需求出 最大边长 即可
定义 maxSide 表示最长边长,每次得出一个 dp,就 maxSide = max(maxSide, dp);
最终返回 return maxSide * maxSide;
时间复杂度 O(height * width)
空间复杂度 O(width * height)
class Solution {
public int maximalSquare(char[][] matrix) {
if (matrix == null || matrix.length == 0 || matrix[0].length == 0) return 0;
int height = matrix.length;
int width = matrix[0].length;
int maxSide = 0;
int[][] dp = new int[height + 1][width + 1];
for (int row = 0; row < height; row++) {
for (int col = 0; col < width; col++) {
if (matrix[row][col] == '1') {
dp[row + 1][col + 1] = Math.min(Math.min(dp[row + 1][col], dp[row][col + 1]), dp[row][col]) + 1;
maxSide = Math.max(maxSide, dp[row + 1][col + 1]);
}
}
}
return maxSide * maxSide;
}
}
LC