最大的子矩阵问题

1、全为1的最大的子矩阵

在一个二维0 1矩阵中找到全为1的最大正方形，返回其边长。

输入：

1 0 1 0 0 
1 0 1 1 1 
1 1 1 1 1 
1 0 0 1 0

输出：2

思路：动态规划，构造一个等大小的dp[n][m]矩阵，dp[i][j]表示以matrix[i][j]为右下角的全1正方形的边长。初始化dp[i][0]和dp[0][j]分别为matrix[i][0]和matrix[0][j]，因为以边缘这一行一列中的点为右下角的全1正方形边长只有0和1两种情况，分别由他们本身是0还是1决定。初始化之后开始遍历这个dp矩阵，如果matrix[i][j]为0，则dp[i][j]为0，如果matrix[i][j]为1，则dp[i][j]=min{dp[i-1][j],dp[i][j-1],dp[i-1][j-1]}+1，这一步可以这样理解：只有满足matrix[i][j]左方上方和左上方三个地方的正方形边长为2的时候，它的边长才能为3，任意一个为1，则它的边长为2，所以取三者最小值+1就是以该点为右下角的全1正方形边长。最后只用遍历dp矩阵找出最大值即可。

class Solution {
    public:
        int FindAllOneSquare(vector<vector<int>> matrix) {
        int m = matrix.size();
        int n = matrix[0].size();
        int dp[][] = new int[m][n];
        for (int i = 0; i < m; i++){
            dp[i][0] = matrix[i][0];
        }
        for (int j = 0; j < n;j++){
            dp[0][j] = matrix[0][j];
        }
        for (int i=1; i < m; i++){
            for (int j = 1; j < n; j++){
                if (matrix[i][j] == 0)
                    dp[i][j] = 0;
                else {
                    dp[i][j] = min(dp[i-1][j-1],min(dp[i][j-1], dp[i-1][j])) + 1;
                }
            }
        }
        int max = 0;
        for (int i = 0; i < m; i++){
            for (int j = 0; j < n; j++){
                if (dp[i][j] > max)
                    max = dp[i][j];
            }
        }
        return max;
    }
}

2、连续子数组的最大和

输入一个整型数组，数组里有正数也有负数。数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。要求时间复杂度为 O(n).

输入：[1,-2,3,10,-4,7,2,-5]

返回值：18

class Solution {
public:
    int FindGreatestSumOfSubArray(vector<int> array) {
    	if(array.size() == 0) return 0;
        int maxsum = INT_MIN, sum = 0;
        for(int i = 0; i < array.size(); ++i){
            if(sum > 0) {
               sum += array[i]; 
            } else {
               sum = array[i];
            }
            if(maxsum < sum) maxsum = sum;
        }
        return maxsum;
    }
};

3、最大的子矩阵的和

最大子矩阵和问题。给定m行n列的整数矩阵A，求矩阵A的一个子矩阵，使其元素之和最大。

思路：二维数组的最大子矩阵之和求解思路：降维转换为一维数组的最大字段和问题。我们将从第r行到第k行的每一行中相同列的加起来，可以得到一个一维数组如下：(ar0+……+ak0, ar1+……+ak1, ……,arn-1+……+akn-1)，由此我们可以看出最后所求的就是此一维数组的最大子段和问题。

 int maxSubMatrix(vector<vector<int>> m) {
		if(m.size()==0||m[0].size()==0) {
			return 0;
		}
        int row=m.size();
        int column=m[0].size();
		vector<int> dp(row,0);
		int sum=0;
		int max=INT_MIN;
		for(int i=0;i<m.size();i++) {
			vector<int> dp(column,0);
			for(int j=i;j<m.size();j++) {//从上往下，将第i到j行的数按列加和，存入dp[]，相当于降维处理
				for(int k=0;k<m[0].size();k++) {
					dp[k]+=m[j][k];
				}
				sum=maxSubArray(dp);//对每一次相加求出最大值
				if(sum>max) {max=sum;}
			}
		}
		return max;
 }
int maxSubArray(vector<int> array) {
    	if(array.size() == 0) return 0;
        int maxsum = INT_MIN, sum = 0;
        for(int i = 0; i < array.size(); ++i){
            if(sum > 0) {
               sum += array[i]; 
            } else {
               sum = array[i];
            }
            if(maxsum < sum) maxsum = sum;
        }
        return maxsum;
    }