leetcode221. Maximal Square

题目：题目链接

思路：让你找全是一的最大的全为’1’的正方形面积。

方法一 暴力

最先想到的，那必然是暴力。我们先找一个点，然后把这个点当作正方形的左上角，在遍历正方形的最大边长。
注意：我们只需要遍历新加的一行和一列就可以了哦！
看代码吧：

class Solution {
public:
    int n, m;
    void findSquare(int i, int j, int& max_len, vector<vector<char>>& matrix) {
        if (m - i <= max_len || n - j <= max_len) return;
        int square_len = 1;
        bool f = true;
        while (i + square_len < m && j + square_len < n) {
            for (int k = 0; k <= square_len; ++k) {//看看i+square_len，我们每次只遍历新加的一行和一列。
                if (matrix[i + k][j + square_len] != '1' || matrix[i + square_len][j + k] != '1') {//如果该边长的正方形内有不是0的。
                    f = false;
                    break;
                }
            }
            if (f) square_len++;
            else break;
        }
        max_len = max(max_len, square_len);
        return;
    }
    int maximalSquare(vector<vector<char>>& matrix) {
        m = matrix.size();
        n = matrix[0].size();
        int max_len = 0;
        for (int i = 0; i < m; ++i) {
            for (int j = 0; j < n; ++j) {
                if (matrix[i][j] == '1') {
                    findSquare(i, j, max_len, matrix);
                }
            }
        }
        return max_len * max_len;//记住是求面积！
    }
};

方法二 动态规划

这就离谱了啊，我看半天官方的dp也没看懂。我讲一讲我的理解吧。首先dp[i][j]是以(i,j)为右下角的最大正方形。
那么显然有状态转移方程：
$$dp[i][j]=min(dp[i-1][j],dp[i-1][j],dp[i][j-1]$$
不显然是嘛，没事我也不懂这个，听我慢慢道来：
先来看一张图：

bdq，微软自带画图。
我们来看看，这是三个正方形哈，虽然有点不正。那么对于以(i,j)为右下角的最大正方形，其(i,j)左边的边长(也就是正方形下面的边)是不是一定是min(a,b)+1，对不对，想想看。那么(i,j)上面的边长(也就是正方形的右边竖着的边)是不是一定是min(a,c)+1。那么正方形的边最长是不是一定是min(min(a,b),min(a,c))+1，也就是min(a,b,c)+1。而且a,b,c分别对应dp[i-1][j],dp[i,j-1],dp[i-1][j-1]。
兄弟们，我讲的不是很清楚，你再看看上面那个丑图！！！看看有没有收获。
如果懂了状态转移方程，那么代码就很快了：

class Solution {
public:
    int maximalSquare(vector<vector<char>>& matrix) {
        int m = matrix.size();
        int n = matrix[0].size();
        vector<vector<int> > dp(m, vector<int>(n));
        int max_len = 0;
        for (int i = 0; i < m; ++i) {
            for (int j = 0; j < n; ++j) {
                if (matrix[i][j] == '1') {
                    if (i == 0 | j == 0) dp[i][j] = 1;
                    else dp[i][j] = min(min(dp[i - 1][j], dp[i][j - 1]), dp[i - 1][j - 1]) + 1;
                }
                max_len = max(max_len, dp[i][j]);
            }
        }
        return max_len * max_len;
    }
};

想看严格证明，请看标准证明该状态转移方程。
加油兄弟！！！！！加油加油加油加油加油！！！！！！