leetcode学习打卡--221. 最大正方形(蛮力搜索/DP)

221. 最大正方形 难度中等

老规矩 直接上题


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。


前台样例

示例:

输入: 

1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0

输出: 4

说实话,这个题我还真不会做,一开始连思路都没有,也是自己太笨了
其实蛮力法就可以

蛮力法思路:把每一个‘1’的点都当作正方形的左上角 不断的扩大横向与纵向来求该点的最大的边长,所有1中最大的边长就是我们需要的

注意一点:结束条件是搜索到边界了或者是正方形内有0了
有可能是没0但是搜索到头了,这种情况应该是A-a

而如果是因为有0了 应该是A-a-1.

class Solution {
public:
    int getmaxlen(vector<vector<char>>& matrix,int a,int b)
    {
        //对于每一个1 都当成左上角点 
        int maxlen=1;
        int l1=matrix.size();
        int l2=matrix[0].size();
        bool flag=true;
        int A=a,B=b;
        while(1)
        {
            if(A>=l1||B>=l2||flag==false) break;
            A++; B++;     
            for(int i=a;i<l1&&i<A;i++) 
            for(int j=b;j<l2&&j<B;j++)
            {
                if(matrix[i][j]=='0') {flag=false;break;}
            }          
        }
        if(flag==false)maxlen=max(A-a-1,1);
        else maxlen=max(A-a,1);
        return maxlen;
    }
    int maximalSquare(vector<vector<char>>& matrix) {
        int l1=matrix.size();if (matrix.size() == 0)return 0;
        int l2=matrix[0].size();if (matrix[0].size() == 0)return 0;
        int maxlen=0;
        for(int i=0;i<l1;i++)
        for(int j=0;j<l2;j++)
        {
            if(matrix[i][j]=='1') //找到1
            maxlen=max(getmaxlen(matrix,i,j),maxlen); //更新maxlen
        }
        return maxlen*maxlen;
    }
};

第二种解法 --DP

对于每个位置 (i, j),检查在矩阵中该位置的值:
如果该位置的值是 0,则 dp(i, j) = 0,因为当前位置不可能在由 1 组成的正方形中;
如果该位置的值是 1,则 dp(i, j) 的值由其上方、左方和左上方的三个相邻位置的 dp 值决定。具体而言,当前位置的元素值等于三个相邻位置的元素中的最小值加 1,状态转移方程如下:
dp(i, j)=min(dp(i−1, j), dp(i−1, j−1), dp(i, j−1))+1

注意 min不能写三个参数
这个DP方程有了,写出来就蛮简单的

class Solution {
public:
    int maximalSquare(vector<vector<char>>& matrix) {
        int l1=matrix.size();if (matrix.size() == 0)return 0;
        int l2=matrix[0].size();if (matrix[0].size() == 0)return 0;
        int maxlen=0;
        int flag[1010][1010];//DP
        for(int i=0;i<l1;i++)
        for(int j=0;j<l2;j++)
        {
            if(matrix[i][j]=='1') flag[i][j]=1;
            if(matrix[i][j]=='0') flag[i][j]=0;
            if(flag[i][j]==1&&i-1>=0&&j-1>=0)
            flag[i][j]=min(min(flag[i-1][j],flag[i-1][j-1]),flag[i][j-1])+1;
            //cout<<flag[i][j]<<endl;
            maxlen=max(maxlen,flag[i][j]);
        }
        return maxlen*maxlen;
    }
};
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值