Leetcode最大正方形（C++）思路分析及代码

题目

思路

这道题第一眼感觉就是动态规划，因为之前过类似的题，但是还是太菜了，没有想到解决方法，看了题解后才发现思路其实挺简单的。

这里回顾一下动态规划和贪心算法。这两个算法都用到了局部最优解。两种算法要求问题都具有的一个性质就是“子问题最优性”。即，组成最优解的每一个子问题的解，对于这个子问题本身肯定也是最优的。

贪心算法：结果与之前的每步最优解都有关，之前的最优解不会保留。

动态规划：一定包含某个局部最优解，但不一定包含前一个局部最优解，因此需要记录之前的所有最优解。

决定动态规划之后，首先就要找状态方程，我们假设从上往下，从左往右遍历，当已知某一点时，要判断是不是更大的正方形，要看三个点，对角线，和反对角线上的点。

根据遍历情况，如果假设该点为左上角、左下角、右上角，都会造成重复计算，所以我们设已知右下角，当对角线与反对角线上的点均为1时，该正方形边长为2。

对于更多的情况，该点为右下角正方形的最大边长时，它最大只可能为左上角、左下角、右上角正方形的边长+1，当左上角、左下角、右上角三个正方形边长相等时，是最完美条件，会结合出一个边长+1的三角形，而右下角的这一点会补上这个空缺。

若三个正方形边长不相等，则会有缺口，所以右下角正方形的边长选择三个中边长最小的+1。

我们得出状态方程 dp[i][j] = min(min(dp[i-1][j-1], dp[i-1][j]), dp[i][j-1])+1

这里要注意min用了两个，因为min函数只能比较两个数值，所以三个要用两次。

代码

class Solution {
public:
    int maximalSquare(vector<vector<char>>& matrix) {
        if(matrix.size()==0||matrix[0].size()==0){
            return 0;
        }
        int rows = matrix.size(), columns = matrix[0].size(), MaxSize = 0;
        vector<vector<int>> dp(rows, vector<int>(columns));
        for(int i = 0; i < rows; i++){
            for(int j = 0; j < columns; j++){
                if(matrix[i][j] == '1'){
                    if((i==0||j==0))
                        dp[i][j]=1;
                    else
                        dp[i][j] = min(min(dp[i-1][j-1], dp[i-1][j]), dp[i][j-1]) + 1;
                    if(dp[i][j] > MaxSize)  MaxSize = dp[i][j];
                }
            }
        }
        return MaxSize*MaxSize;
    }
};