Leetcode221. 最大正方形
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:
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:
输入:matrix = [["0","1"],["1","0"]]
输出:1
示例 3:
输入:matrix = [["0"]]
输出:0
题解:
可以使用动态规划降低时间复杂度。我们用 \textit{dp}(i, j)dp(i,j) 表示以 (i, j)(i,j) 为右下角,且只包含 11 的正方形的边长最大值。如果我们能计算出所有 \textit{dp}(i, j)dp(i,j) 的值,那么其中的最大值即为矩阵中只包含 11 的正方形的边长最大值,其平方即为最大正方形的面积。
那么如何计算 d p dp dp 中的每个元素值呢?对于每个位置 ( i , j ) (i, j) (i,j),检查在矩阵中该位置的值:
- 如果该位置的值是 0,则 d p ( i , j ) = 0 dp(i,j)=0 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 d p ( i , j ) dp(i,j) dp(i,j) 的值由其上方、左方和左上方的三个相邻位置的 d p dp 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:
d p ( i , j ) = m i n ( d p ( i − 1 , j ) , d p ( i − 1 , j − 1 ) , d p ( i , j − 1 ) ) + 1 dp(i,j)=min(dp(i−1,j),dp(i−1,j−1),dp(i,j−1))+1 dp(i,j)=min(dp(i−1,j),dp(i−1,j−1),dp(i,j−1))+1
此外,还需要考虑边界条件。如果 i i i和 j j j中至少有一个为 0 0 0,则以位置 ( i , j ) (i, j) (i,j) 为右下角的最大正方形的边长只能是 1,因此 d p ( i , j ) = 1 dp(i,j)=1 dp(i,j)=1。
java代码:
/**
* 动态规划
*
* dp(i,j)=min(dp(i−1,j),dp(i−1,j−1),dp(i,j−1))+1
* @param matrix
* @return
*/
public static int maximalSquare(char[][] matrix) {
int maxSize = 0;
if (matrix == null || matrix.length == 0 || matrix[0].length == 0) return maxSize;
int row = matrix.length;
int col = matrix[0].length;
int[][] dp = new int[row][col];
for (int i = 0; i < row; i++) {
for (int j = 0; j < col; j++) {
if (matrix[i][j] == '1') {
if (i == 0 || j == 0) {
dp[i][j] = 1;
} else {
dp[i][j] = Math.min(dp[i - 1][j], Math.min(dp[i][j - 1], dp[i - 1][j - 1])) + 1;
}
maxSize = Math.max(maxSize, dp[i][j]);
}
}
}
return maxSize * maxSize;
}