[Leetcode] 221. Maximal Square 解题报告

题目：

Given a 2D binary matrix filled with 0's and 1's, find the largest square containing only 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.

思路：

这是一道比较明显的动态规划题目（一旦能够进入动态规划的正确轨道，那么感觉拿下这道题目就八九不离十了^_^）。我们定义dp[i][j]表示以（i-1, j-1）为右下边界的最大正方形的边长，那么其值有两种情况：
1）如果matrix[i - 1][j - 1] == 1，那么状态转移方程为：dp[i][j] = min(dp[i-1][j-1], dp[i-1][j], dp[i][j-1]) + 1;

2）如果matrix[i - 1][j - 1] == 0，那么dp[i][j] = 0。

这种基本实现的时间复杂度是O(m*n)，空间复杂度也是O(m*n)，其中m和n分别是matrix的长和宽。不过注意到上面的状态转移方程中，dp[i][j]只和它临近的常数个状态有关，所以采用滚动数组，本算法的空间复杂度还可以进一步压缩到O(n)。我前面的动态规划题目中给出了类似的解决方法，这里就不再赘述了。

代码：

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