LeetCode 221. 最大正方形（Medium）

【题目链接】

题解

1. 动态规划+空间优化 逐行解释 python3

思路

代码

class Solution:
    ### 0105 动态规划（96 ms，20.4 MB）
    def maximalSquare(self, matrix: List[List[str]]) -> int:
        if not matrix: return 0

        length = 0
        m, n = len(matrix), len(matrix[0])

        # 给dp多加一行一列的0，用于计算方便
        # dp[i][j]表示以(i,j)为右下角的正方形的最大边长
        dp = [[0] * (n + 1) for _ in range(m + 1)]

        # 从matrix的第1行，第一列开始遍历
        for i in range(1, m + 1):
            for j in range(1, n + 1):
                # 判断matrix中当前的值[i - 1][j - 1]是否为1
                if matrix[i - 1][j - 1] == '1':
                    # dp中当前的值[i][j]取决于左、上、左上3个方向的值（短板效应）
                    dp[i][j] = min(dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]) + 1
                    # 更新正方形最大边长
                    length = max(length, dp[i][j])

        return length ** 2 # 正方形的面积 = 边长的平方

    ### 0105 动态规划 + 空间优化（84 ms，20.1 MB）
    def maximalSquare(self, matrix: List[List[str]]) -> int:
        if not matrix: return 0
        
        res = pre = 0
        m, n = len(matrix), len(matrix[0])
        dp = [0] * (n+1)
        
        for i in range(0, m):
            for j in range(1, n+1):
                tmp = dp[j]
                if matrix[i][j-1] == "1":
                    dp[j] = min(dp[j], dp[j-1], pre) + 1
                    res = max(dp[j], res)
                else:
                    dp[j] = 0
                pre = tmp
            pre = 0
            
        return res ** 2