【1】点此前往挑战
参考网址:
[1]Leecode最大矩形思路
[2]详细通俗的思路分析,多解法
美团这个题把 {}
改为 [
和 ]
,用python 的eval()转为列表,后面的做法和最大矩形一样。
1.暴力破解:
- 遍历每一行,求解高度为1的矩形
连续1
的个数,并且更新数组中的该值。
- 向上扩展一行,高度增加一,选出
当前列最小的数字
(图中四所在列最小是2,面积2*2),作为矩阵的宽,求出面积,对应上图的矩形框。(可知列最小的数字决定了左边界) - 然后继续向上扩展,重复步骤 2。算出所有高度(1,2,3,4)的情况。
- 遍历所有的点,求出所有的矩阵就可以了。
不过由于复杂度太高,会导致超时:
class Solution:
def maximalRectangle(self, matrix) -> int:
inp=matrix
save=[[0 for i in range(len(inp[0]))]for i in range(len(inp))]
# 计算高度为1时的宽度矩阵
for j in range(0,len(inp)):
width=0
for k in range(0,len(inp[0])):
if int(inp[j][k])==1:
width+=1
save[j][k]=width
else:
width=0
# print(save)
max=0
if len(save)!=0 and len(save[0])!=0:
max=save[0][0]
for i in range(1,len(inp)+1): # i表示高度
# 计算高度为i时的宽度
for j in range(0,len(inp)-i+1):# 高度为i,列方向移动len(inp)-i+1次
width=0
for k in range(0,len(inp[0])):
# 选出当前列最小的数字
min = save[j][k]
for p in range(j,j+i): # 固定行,遍历列选出最小
if min>save[p][k]:
min=save[p][k]
tmp=min*i # 当前列最小的数字作为矩阵的宽,高度是i,求出面积
if(tmp>max):
max=tmp
print(max)
return max
s= Solution()
inp=[["1"]]
s.maximalRectangle(inp)
- 长为 m m m,宽(高)为 n n n
- 时间复杂度: O ( m ∗ n + n ∗ n ∗ m ) = O ( m ∗ n 2 ) O(m*n+n*n*m)=O(m*n^2) O(m∗n+n∗n∗m)=O(m∗n2)
- 空间复杂度: O ( m ∗ n ) O(m*n) O(m∗n)
2.利用单调栈:
[1]利用类似题目,之前写的博文——求一个直方图矩形的最大面积。
其实也就是求高度(1,2,3,4)不同情况下的最大直方图矩形面积。若底为0,就在直方图里标1,否则标0
。
代码:
class Solution:
def calcu_max_rec(self,heights):
stack=[] # 这里把0设置为heights的边界,压栈弹栈时使得边界条件不为空
heights=[0]+heights+[0]
res=0
for i in range(0,len(heights)):
while stack and heights[stack[-1]]>heights[i]: # 出现了递减,重复弹栈
tmp = stack.pop()
res = max(res,(i-stack[-1]-1)*heights[tmp]) # 弹出后,栈顶为左边界,i是右边界,高度是弹栈的矩形高度
stack.append(i)
return res
def maximalRectangle(self, matrix) -> int:
if len(matrix)==0 or len(matrix[0])==0:
return 0
heights=[0]*len(matrix[0])
max_size=0
for i in range(0,len(matrix)):
for j in range(0,len(matrix[0])):
# print(matrix[i][j])
if int(matrix[i][j])>=1:
heights[j]+=1
else:
heights[j]=0
# print(heights)
tmp=self.calcu_max_rec(heights)
if max_size<tmp:
max_size=tmp
return max_size
s=Solution()
matrix=[
["1","0","1","0","0"],
["1","0","1","1","1"],
["1","1","1","1","1"],
["1","0","0","1","0"]
]
print(s.maximalRectangle(matrix))
- 长为 m m m,宽(高)为 n n n
- 时间复杂度 O ( m ∗ n ) O(m*n) O(m∗n)
- 空间复杂度 O ( m ) O(m) O(m)
3.动态规划方法:
参考网址:[1]动态规划 - 每个点的最大高度
直觉
想象一个算法,对于每个点我们会通过以下步骤计算一个矩形:
- 不断向上方遍历,直到遇到“0”,以此找到矩形的最大高度。
- 向左右两边扩展,直到无法容纳矩形最大高度。
给定一个最大矩形,其高为 h
, 左边界 l
,右边界 r
,在矩形的底边,区间 [l, r]
内必然存在一点,其上连续1
的个数(高度)<=h
。若该点存在,则由于边界内的高度必能容纳 h
,以上述方法定义的矩形会向上延伸到高度 h
,再左右扩展到边界 [l, r]
,于是该矩形就是最大矩形。
若不存在这样的点,则由于[l, r]
内所有的高度均大于 h
,可以通过延伸高度来生成更大的矩形,因此该矩形不可能最大。
- 综上,对于每个点,只需要计算
h
,l
,和r - 矩形的高
,左边界
和右边界
。 - 使用动态规划,我们可以在线性时间内用上一行每个点的
h
,l
,和r
计算出下一行每个点的的h,l,和r
。
算法:
总而言之, 要找尽可能大的高度,尽可能左的左边界,尽可能右的右边界。
代码:
# 动态规划方法:
class Solution:
def maximalRectangle(self, matrix) -> int:
if not matrix:return 0
height=len(matrix)
width=len(matrix[0])
heights=[0]*width
left=[0]*width # 初始化左边界为最左边界
right=[width]*width # 初始化右边界为最右边界
maxarea=0
for i in range(height):
cur_left,cur_right=0,width
# 更新当前行的高度
for j in range(width):
if matrix[i][j]=='1':heights[j]+=1
else: heights[j]=0
# 更新左边界
for j in range(width):
if matrix[i][j]=='1':left[j]=max(left[j],cur_left)
else:
left[j]=0
cur_left=j+1
# 是我们遇到的最右边的0的序号加1。当将矩形向左 “扩展” ,
# 不能超过该点,否则会遇到0。
# 更新右边界
for j in range(width-1,-1,-1):
if matrix[i][j]=='1':right[j]=min(right[j],cur_right)
else:
right[j]=width
cur_right=j
# 更新最大边界
for j in range(width):
maxarea=max(maxarea,heights[j]*(right[j]-left[j]))
return maxarea
s=Solution()
matrix=[
["1","0","1","0","0"],
["1","0","1","1","1"],
["1","1","1","1","1"],
["1","0","0","1","0"]
]
print(s.maximalRectangle(matrix))