最大正方形题解
1.问题描述
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。
注意:二维矩阵不一定是正方形。
示例 1:
在这里插入图片描述
在这里插入图片描述
输入:matrix = [[“0”,“1”],[“1”,“0”]]
输出:1
示例 2:
在这里插入图片描述
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 3:
输入:matrix = [[“0”]]
输出:0
2.思路
暴力求解思想非常朴素:
遍历矩阵,遇到 1 则作为最大正方形的左上角;
根据左上角所在的行和列计算可能的最大正方形;
在可能的最大正方形内,每次循环在下方一行和右方一列验证是否所有元素都是 1。
4.1.2 复杂度分析
时间复杂度
为
,其中 m 和 n 分别是矩阵的行数与列数。
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)。
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
所以总时间复杂度是
空间复杂度
为 O(1),因为没有用到额外的空间来存储矩阵元素,所以空间复杂度为常数级。
不过这个一般不是面试官想要的答案。
3. 动态规划
暴力法虽然直观易于理解,但是时间复杂度太高,有没有办法降低时间复杂度呢?
暴力求解过程中,我们可以发现,在遍历每一个可能的最大正方形时,存在着很多重复的计算,因此我们可以使用动态规划来记录每一步骤中的中间结果,来减少重复的计算。
因此可以使用动态规划降低时间复杂度。我们用 dp(i, j) 表示以 (i, j) 为右下角,且只包含 1 的正方形的边长最大值。如果我们能计算出所有 dp(i,j) 的值,那么其中的最大值的平方即为题解。
那么如何计算 dp 中的每个元素值呢?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:
此外,还需要考虑边界条件。如果 i 和 j 中至少有一个为 0,则以位置 (i,j) 为右下角的最大正方形的边长只能是 1,因此 dp(i, j) = 1。
以下用一个例子具体说明。原始矩阵如下。
0 1 1 1 0
1 1 1 1 0
0 1 1 1 1
0 1 1 1 1
0 0 1 1 1
对应的 dp 值如下。
0 1 1 1 0
1 1 2 2 0
0 1 2 3 1
0 1 2 3 2
0 0 1 2 3
下图也给出了计算 dp 值的过程。
3.1. 复杂度分析
时间复杂度
O(mn),其中 m 和 n 是矩阵的行数和列数。遍历完矩阵便可求出全为 1 的最大正方形面积。
空间复杂度
O(mn),其中 m 和 n 是矩阵的行数和列数。因为要记录每一个位置的最大正方形边长,所以需要 mn 个额外空间。
4.实现示例
下面以动态规划为例给出实现示例。
4.1 C++
#include <algorithm>
// maximalSquare 最大正方形面积。
int maximalSquare(vector<vector<char>> &matrix) {
// 矩阵的行数和列数。
int rows = matrix.size(), columns = matrix[0].size();
// 每个位置作为右下角构成全 1 最大正方形边长。
vector<vector<int>> dp(rows, vector<int>(columns));
// 全 1 最大正方形边长。
int maxSide = 0;
// 遍历矩阵。
for (int i = 0; i < rows; i++) {
for (int j = 0; j < columns; j++) {
// 为 0 则无法构成全 1 正方形。
if (matrix[i][j] == '0') {
continue;
}
// 处理边界条件。
if (i == 0 || j == 0) {
dp[i][j] = 1;
} else {
// 根据状态转移方程计算出下一个位置作为右下角构成全 1 最大正方形边长。
dp[i][j] = min(dp[i - 1][j - 1], min(dp[i][j - 1], dp[i - 1][j])) + 1;
}
maxSide = max(maxSide, dp[i][j]);
}
}
return maxSide * maxSide;
}
4.2 Golang
import "math"
// maximalSquare 全 1 最大正方形面积。
func maximalSquare(matrix [][]byte) int {
// 矩阵的行数和列数。
rows, columns := len(matrix), len(matrix[0])
// 每个位置作为右下角构成全 1 最大正方形边长。
var dp [][]int
for i := 0; i < rows; i++ {
dp = append(dp, make([]int, columns))
}
// 全 1 最大正方形边长。
var maxSide int
// 遍历矩阵。
for i := range matrix {
for j := range matrix[i] {
// 为 0 则无法构成全 1 正方形。
if matrix[i][j] == '0' {
continue
}
// 处理边界条件。
if i == 0 || j == 0 {
dp[i][j] = 1
} else {
// 根据状态转移方程计算出下一个位置作为右下角构成全 1 最大正方形边长。
left, above, leftAbove := dp[i][j-1], dp[i-1][j], dp[i-1][j-1]
dp[i][j] = int(math.Min(math.Min(float64(left), float64(above)), float64(leftAbove))) + 1
}
if dp[i][j] > maxSide {
maxSide = dp[i][j]
}
}
}
return maxSide*maxSide
}