Leetcode 221. 最大正方形

最新推荐文章于 2024-07-22 16:27:42 发布

如果你也听说~

最新推荐文章于 2024-07-22 16:27:42 发布

阅读量49

点赞数

分类专栏： # 动态规划文章标签： leetcode 算法职场和发展

本文链接：https://blog.csdn.net/qq_43456497/article/details/129344986

版权

动态规划专栏收录该内容

22 篇文章 1 订阅

订阅专栏

Leetcode 221. 最大正方形

中等题

题目

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1

在这里插入图片描述

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

示例2

在这里插入图片描述

输入：matrix = [["0","1"],["1","0"]]
输出：1

示例3

输入：matrix = [["0"]]
输出：0

提示

m == matrix.length
n == matrix[i].length
1 <= m, n <= 300
matrix[i][j] 为 ‘0’ 或 ‘1’

解法

设置二维数组 dp[i][j]表示以i，j为正方形右下角的最大正方形边长，其最长边长与dp[i-1][j],dp[i][j-1],dp[i-1][j-1]相关(将其表示为c1，c2，c3)，取其最小边长＋1更新，即
$ma t r i x [i] [j] = min (c 1, c 2, c 3) + 1$

class Solution:
    def maximalSquare(self, matrix: List[List[str]]) -> int:
        m, n, result = len(matrix), len(matrix[0]), 0
        for i in range(m):
            for j in range(n):
                matrix[i][j] = int(matrix[i][j]) 
                c1 = matrix[i-1][j] if i>0 else 0
                c2 = matrix[i][j-1] if j>0 else 0
                c3 = matrix[i-1][j-1] if j>0 and i>0 else 0
                if matrix[i][j]:
                    matrix[i][j] = min(c1,c2,c3)+1 # min(min(c2, c3), min(c1,c3))+1 
                    result = max(result, matrix[i][j])
        return result**2

时间复杂度 $O(n^2)$
空间复杂度 $O(n^2)$

一开始想复杂了，使用通用的最大长方形的方式实现最大正方形
在求解最大长方形时需要利用到动态规划+单调栈
求解最大正方形直接使用动态规划即可

在此也贴上使用动态规划+单调栈方式实现最大正方形的代码好了

class Solution:
    def maximalSquare(self, matrix: List[List[str]]) -> int:
        m, n, result = len(matrix), len(matrix[0]), 0
        for i in range(m):
            for j in range(n):
                matrix[i][j] = int(matrix[i][j]) 
                if j>0 and matrix[i][j]:matrix[i][j] += matrix[i][j-1] 
        matrix.append([-1 for _ in range(n)])
        m, stack = m+1, []
        for j in range(n):
            for i in range(m):
                while stack and matrix[stack[-1]][j] > matrix[i][j]:
                    cur = stack.pop()
                    left = stack[-1] if stack else -1
                    result = max(result, min(matrix[cur][j],i-left-1)) #取边长最小
                stack.append(i)
            stack.pop()
        return result**2