leetcode-85. Maximal Rectangle

126 篇文章 0 订阅
44 篇文章 0 订阅

leetcode-85. Maximal Rectangle

题目:

Given a 2D binary matrix filled with 0’s and 1’s, find the largest rectangle containing only 1’s and return its area.

For example, given the following matrix:

1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0
Return 6.

这题综合答案来看有两种思路先说第一种

针对每一个点计算从该点看到的最左边和最右边的边缘以及高度,这样()右边-左边)*高度就是面积。对每个点算面积就可以得到结果。问题在于如果计算从每个点看到的最大矩形。
这里使用动态规划的方法,维护三个变量数组,以第一行为基础,计算到最后一行。
比如对于
0 0 0 1 0 0 0;
0 0 1 1 1 0 0;
0 1 1 1 1 1 0;

计算第一行的时候h,l,r分别为

0 0 0 1 0 0 0;
0 0 0 3 0 0 0;
7 7 7 4 7 7 7;

计算第二行的时候h,l,r分别为

0 0 1 2 1 0 0;
0 0 2 3 2 0 0;
7 7 5 4 5 7 7;

计算第三行的时候h,l,r分别为

0 1 2 3 2 1 0;
0 1 2 3 2 1 0;
7 6 5 4 5 6 7;

其中0和7都是为了简化计算而使用的,没有特殊含义。
这种解法效率比较高一些。O(m+n)
mn分别为行列长度

答案来源

public class Solution {
    public int maximalRectangle(char[][] matrix) {
        if(matrix==null || matrix.length==0 || matrix[0].length==0) return 0;
        int [] l = new int [matrix[0].length];
        int [] r = new int [matrix[0].length];
        int [] h = new int [matrix[0].length];
        Arrays.fill(r,matrix[0].length);
        int ret = 0;
        for(int i = 0 ; i < matrix.length; i++){
            int cl =0 , cr = matrix[0].length;
            for(int j = 0 ; j < matrix[0].length ; j++){
                if(matrix[i][j]=='1') h[j] = h[j]+1;
                else h[j] = 0;
            }
            for(int j = 0 ; j < matrix[0].length ; j++){
                if(matrix[i][j]=='1') l[j] = Math.max(l[j],cl);
                else {
                    l[j]=0;
                    cl = j+1;
                }
            }
            for(int j = matrix[0].length-1 ; j>=0 ;j--){
                if(matrix[i][j]=='1') r[j] = Math.min(r[j],cr);
                else{
                    r[j] = matrix[0].length;
                    cr = j;
                }
            }
            for(int j = 0 ; j < matrix[0].length ; j++){
                ret= Math.max(ret,(r[j]-l[j])*h[j]);
            }
        }
        return ret;
    }
}

第二种解法是使用栈。基本思路来源就是84题。我们可以这样想想,从每一行来看。每一行对应的矩阵的高度其实就相当于是当前行的直方图,也就相当于求直方图中最大面积。这样一来就和84解法一样了。其实按照leetcode给的提示来看,这种解法是官方希望的解法,但实际上运行效率低于第一种。但也是非常漂亮的解法
答案来源

public class Solution {
    public int maximalRectangle(char[][] matrix) {
        if(matrix==null || matrix.length==0 || matrix[0].length==0) return 0;
        int [] l = new int [matrix[0].length];
        int [] r = new int [matrix[0].length];
        int [] h = new int [matrix[0].length];
        Arrays.fill(r,matrix[0].length);
        int ret = 0;
        for(int i = 0 ; i < matrix.length; i++){
            int cl =0 , cr = matrix[0].length;
            for(int j = 0 ; j < matrix[0].length ; j++){
                if(matrix[i][j]=='1') h[j] = h[j]+1;
                else h[j] = 0;
            }
            for(int j = 0 ; j < matrix[0].length ; j++){
                if(matrix[i][j]=='1') l[j] = Math.max(l[j],cl);
                else {
                    l[j]=0;
                    cl = j+1;
                }
            }
            for(int j = matrix[0].length-1 ; j>=0 ;j--){
                if(matrix[i][j]=='1') r[j] = Math.min(r[j],cr);
                else{
                    r[j] = matrix[0].length;
                    cr = j;
                }
            }
            for(int j = 0 ; j < matrix[0].length ; j++){
                ret= Math.max(ret,(r[j]-l[j])*h[j]);
            }
        }
        return ret;
    }
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值