221. 最大正方形 ●●
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
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
题解
1. 暴力解法(超时)
要找到最大正方形的面积,首先需要找到最大正方形的边长,然后计算最大边长的平方即可。
暴力法是最简单直观的做法,具体做法如下:
- 遍历矩阵中的每个元素,每次遇到 1,则将该元素作为正方形的左上角;
- 确定正方形的左上角后,根据左上角所在的行和列计算可能的最大正方形的边长(正方形的范围不能超出矩阵的行数和列数),在该边长范围内寻找只包含 1 的最大正方形;
- 每次在下方新增一行以及在右方新增一列,判断新增的行和列是否满足所有元素都是 1。
- 时间复杂度:
O
(
m
n
min
(
m
,
n
)
2
)
O(mn \min(m,n)^2)
O(mnmin(m,n)2),其中 m 和 n 是矩阵的行数和列数。
– 需要遍历整个矩阵寻找每个 1,遍历矩阵的时间复杂度是 O(mn)O(mn)。
– 对于每个可能的正方形,其边长不超过 m 和 n 中的最小值,需要遍历该正方形中的每个元素判断是不是只包含 1,遍历正方形时间复杂度是 O ( min ( m , n ) 2 ) O(\min(m,n)^2) O(min(m,n)2)。 - 空间复杂度: O ( 1 ) O(1) O(1)。额外使用的空间复杂度为常数。
class Solution {
public:
int maximalSquare(vector<vector<char>>& matrix) {
int m = matrix.size();
int n = matrix[0].size();
int maxArea = 0;
for(int i = 0; i < m; ++i){
for(int j = 0; j < n; ++j){
if(matrix[i][j] == '1'){ // (i, j)为左上角坐标
int minLen = n+m; // 列上连续 1 的最小长度
for(int k = j; k < n; ++k){ // 遍历每列
if(k - j + 1 > minLen) break; // 当前列所在的行边长大于最小长度,跳出循环
int len = 0; // 记录该列连续 1 的个数
for(int l = i; l < m; ++l){
if(l-i+1 > minLen) break; // 当前列边长大于最小长度,跳出循环
if(matrix[l][k] == '0') break;
++len;
}
maxArea = max(maxArea, min(len, k-j+1)*min(len, k-j+1)); // 遍历完一列之后,更新当前的最大面积,边长为 min(列长,行长)
minLen = min(len, minLen); // 更新最小长度
}
}
}
}
return maxArea;
}
};
2. 动态规划
dp[i][j]
表示 以matrix[i][j]
为右下角时,只包含 1 的正方形最大边长。- 对第一行和第一列进行初始化,‘1’ 是边长置 1,否则为 0;
matrix[i][j] == '0': dp[i][j] = 0;
matrix[i][j] == '1':dp[i][j] = min(min(dp[i-1][j-1], dp[i-1][j]), dp[i][j-1]) + 1;
- 从左往右,从上到下遍历。
- 时间复杂度: O ( m n ) O(mn) O(mn),其中 m 和 n 是矩阵的行数和列数。需要遍历原始矩阵中的每个元素计算 dp 的值。
- 空间复杂度:
O
(
m
n
)
O(mn)
O(mn),其中 m 和 n 是矩阵的行数和列数。创建了一个和原始矩阵大小相同的矩阵 dp。
由于状态转移方程中的 dp(i,j) 由其上方、左方和左上方的三个相邻位置的 dp 值决定,因此可以使用两个一维数组进行状态转移,空间复杂度优化至 O(n)。
class Solution {
public:
int maximalSquare(vector<vector<char>>& matrix) {
int m = matrix.size(), n = matrix[0].size(), maxLen = 0;
vector<vector<int>> dp(m, vector<int>(n, 0));
// 边界条件处理
for(int i = 0; i < m; ++i) if(matrix[i][0] == '1'){dp[i][0] = 1; maxLen = 1;}
for(int j = 0; j < n; ++j) if(matrix[0][j] == '1'){dp[0][j] = 1; maxLen = 1;}
for(int i = 1; i < m; ++i){
for(int j = 1; j < n; ++j){
if(matrix[i][j] == '1'){
dp[i][j] = min(min(dp[i-1][j-1], dp[i-1][j]), dp[i][j-1]) + 1;
maxLen = max(maxLen, dp[i][j]);
}
}
}
return maxLen * maxLen;
}
};
1277. 统计全为 1 的正方形子矩阵 ●●
描述
给你一个 m * n 的矩阵,矩阵中的元素不是 0 就是 1,请你统计并返回其中完全由 1 组成的 正方形 子矩阵的个数。
示例
输入:matrix =
[
[0,1,1,1],
[1,1,1,1],
[0,1,1,1]
]
输出:15
解释:
边长为 1 的正方形有 10 个。
边长为 2 的正方形有 4 个。
边长为 3 的正方形有 1 个。
正方形的总数 = 10 + 4 + 1 = 15.
题解
动态规划
与 221. 最大正方形 ●● 类似,每次计算累加正方形个数和即可,以 (i, j) 为右下角的正方形个数即为最大边长值 dp[i][j]
,注意处理边界条件时,(0,0) 不能重复处理。
class Solution {
public:
int countSquares(vector<vector<int>>& matrix) {
int m = matrix.size(), n = matrix[0].size(), sum = 0;
vector<vector<int>> dp(m, vector<int>(n, 0));
for(int i = 0; i < m; ++i) if(matrix[i][0] == 1){dp[i][0] = 1; ++sum;}
for(int j = 1; j < n; ++j) if(matrix[0][j] == 1){dp[0][j] = 1; ++sum;}
for(int i = 1; i < m; ++i){
for(int j = 1; j < n; ++j){
if(matrix[i][j] == 1){
dp[i][j] = min(min(dp[i-1][j-1], dp[i-1][j]), dp[i][j-1]) + 1;
sum += dp[i][j];
}
}
}
return sum;
}
};