题目
解析:动态规划
对于在矩阵内搜索正方形或长方形的题型,一种常见的做法是定义一个二维 dp 数组,其中 dp[i][j] 表示满足题目条件的、以 (i, j) 为右下角的正方形或者长方形的属性。对于本题,则表示 以(i,j)为右下角的全由1构成的最大正方形面积。如果当前位置是0,那么dp[i][j]即为0;如果 当前位置是1,我们假设dp[i][j]= k2,其充分条件为dp[i-1][j-1]、dp[i][j-1]和dp[i-1][j]的值必须 都不小于(k−1)2,否则(i,j)位置不可以构成一个边长为 k 的正方形。同理,如果这三个值中的 的最小值为 k−1,则(i,j)位置一定且最大可以构成一个边长为 k 的正方形。综上所述,状态转移方程为:dp[i][j] = min(dp[i-1][j-1],dp[i][j-1],dp[i-1][j]) + 1
这边dp的size可以是与matrix的形状相同,如果相同的话,那么第一行和第一列需要手动初始化;也可以比matrix的长宽各大1,那么这个时候多出来那一行设置全0就可以作为动态规划的初始化,两种方法的python代码分别如下:
python版本1:
class Solution:
def maximalSquare(self, matrix: List[List[str]]) -> int:
# 二维dp解法1
if not len(matrix) or not len(matrix[0]):
return 0
m = len(matrix)
n = len(matrix[0])
dp = [[0]*n for _ in range(m)]
ans = 0
for i in range(m):
for j in range(n):
if i==0 and matrix[i][j]=='1':
dp[i][j] = 1
ans = max(ans,dp[i][j])
elif j==0 and matrix[i][j]=='1'