leetcode最小面积_和我一起刷leetcode-221. Maximal Square

最新推荐文章于 2022-07-06 19:43:35 发布

炁卺西蜀

最新推荐文章于 2022-07-06 19:43:35 发布

阅读量148

点赞数

文章标签： leetcode最小面积

本文链接：https://blog.csdn.net/weixin_36087905/article/details/112517773

版权

大家好，今天我们一起做Leetcode第221题，这是一道难度为Medium的题目。也是一道经典的动态规划练习题

题目描述

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

Example:

Input: 

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

Output: 4

题目的大意是，给你一个二维数组matrix，其中有一些是0，有一些是1，找到其中最大的由1组成的正方形，并且返回它的面积。

动态规划三部曲

老规矩，动态规划三部曲开！

开数组

这一题比较有技巧的地方，是如何定义动态规划数组dp[i][j], 因为最后要求的是在matrix这个数组中能够形成最大的正方形的面积，很容易就把dp[i][j]定义成：从[0][0]到[i][j]的矩形中，其中由1组成的最大的正方形面积。那么在这个定义下，我们最后要输出的是dp[-1][-1]。

这个定义初看起来很有道理，但是有一个很大的问题。考虑如下的例子：

我们考虑从第三行三个元素到第三行第四个元素，在这个定义下这两个例子中，第三行第三个元素的dp值都为4，但是第一个例子中，第三行第四个元素的dp值为9，第二个例子中则为4。这是因为0的位置有不同，导致了一个可以形成正方形，另外一个不可以。

所以以上dp的定义是不可以的，我们需要另外想一个办法。

我们可以把dp[i][j]定义为：从[0][0]到[i][j]形成的矩形中，以[i][j]为右下角顶点的正方形，边长的最大值。揣摩一下它的定义。

我们举一个例子：

对应的，我们写出它的dp数组：

这样的话，我们最后输出的结果，应当是dp数组中的最大值，也就是matrix这个数组中最长的正方形边长。平方一下输出就是所求的结果。

知道了dp的定义以后，我们就照常开一个二维数组：

r = len(matrix)
c = len(matrix[0])

dp = [[0]*(c+1) for _ in range(r+1)]

状态转移方程

假设我们现在处理到了i，j这个位置，如果对应的matrix的元素为0，那么dp[i][j]直接等于0就可以了。因为右下角顶点是0，无论如何都不能组成全由1组成的正方形。

如果对应的matrix的元素为1，看一下下面这张图:

坐标(1,3)处的2意味着在这个位置有一个边长为2的正方形，同样，(1,2)和(2,2)也意味着这里有一个边长为2的长方形。那么为了形成一个边长为3的正方形，我们只需要在(2,3)位置处有1个1。所以(2,3)处的值为3.

接着看坐标（3，4）。(3,3)和(2,3)处的dp的值都是3，那么这两个点作为右下角，都可以形成边长为3的正方形。但是（2，4）处的dp值为1，这样，当(3,4)的值为1时，我们受最小的那个限制，也只能形成边长为2的正方形。

所以总结一下，当matrix对应元素为1时状态转移方程是：

dp[i][j] = min(dp[i-1][j],dp[i][j-1],dp[i-1][j-1]) + 1

找初始值

这一题很幸运的是，不需要额外进行初始值的寻找了。大家可以尝试一下把状态转移方程带入到边界中，恰好也可以用状态转移方程来算初始值。

实现

将以上三步结合一起来，要注意的是dp的index和matrix的index之间相差1，写程序的时候需要注意一下。另外最后我们需要找出dp数组中最大的数字，将它平方后就是matrix中最大的正方形的面积。我用的是max(map(max,dp)这种写法，比较简便。

可以直接在leetcode上提交的代码：

class Solution:
    def maximalSquare(self, matrix: List[List[str]]) -> int:
        if not matrix:
            return 0
        r = len(matrix)
        c = len(matrix[0])

        dp = [[0]*(c+1) for _ in range(r+1)]

        for i in range(1,r+1):
            for j in range(1,c+1):
                if matrix[i-1][j-1] == "1":
                    dp[i][j] = min(dp[i-1][j],dp[i][j-1],dp[i-1][j-1]) + 1

        return max(map(max,dp))**2

这个解法大约能beat百分之九十的解法，应该算是在运行速度较快的解法中，最容易理解的一种了。