原题链接:
https://leetcode.cn/problems/maximal-square/
完成情况:
解题思路:
_221最大正方形——暴力法
这段代码是一个解决最大正方形问题的Java类。该类中的方法maximalSquare
用于计算二维字符数组matrix
中所包含的最大正方形的面积。
首先,代码会检查输入的matrix
是否为空,如果是空数组,则直接返回0。然后,代码会遍历整个二维数组matrix
,寻找以每个'1'
为左上角的可能的正方形。
对于每个可能的正方形,代码会计算当前正方形的最大边长currentMaxSide
,然后逐渐增加边长,检查新增的一行一列是否均为'1'
,以确定是否可以形成更大的正方形。
如果遇到一行或一列中包含'0'
,则停止增加边长,否则继续检查,直到无法形成更大的正方形为止。最终,返回最大正方形的面积maxSquare
,即最大边长的平方。
这段代码使用了嵌套循环和条件判断来逐步确定最大正方形的边长,确保每个可能的正方形都被考虑到,并找出最大的正方形。
_221最大正方形_dp
这段代码是一个解决问题的类,其目的是找到一个二维字符数组中由’1’组成的最大正方形的面积。
首先,检查输入的矩阵是否为空,如果为空则返回0。然后获取矩阵的行数和列数,并创建一个与矩阵相同大小的二维数组dp来存储计算结果。
接下来,使用动态规划的方法遍历矩阵中的每个元素。如果当前元素为’1’,则判断其是否位于矩阵的第一行或第一列,如果是则将dp数组中对应位置的值设为1,否则将其设置为左上角、上方和左侧三个位置的最小值加1。
在计算过程中,不断更新maxSide变量来记录当前最大正方形的边长。最终计算出最大正方形的面积,即maxSide的平方,并返回结果。
这段代码使用动态规划的思想,通过填充dp数组来记录每个位置处可能的最大正方形边长,最终得到最大正方形的面积。
参考代码:
_221最大正方形——暴力法
package leetcode板块;
public class _221最大正方形 {
/**
* 指定正方形的大小,然后进行准一范围去寻找,满足的话就继续增大一个格子,继续寻找,因为如果连满足是大小为2的正方形都不满足的话,那么必然也不可能满足是大小为3的正方形
*
* m == matrix.length
* n == matrix[i].length
* 1 <= m, n <= 300
* @param matrix
* @return
*/
public int maximalSquare(char[][] matrix) {
//暴力法,算边
int maxSide = 0;
if (matrix == null || matrix.length == 0 || matrix[0].length == 0) return 0;
int rows = matrix.length,cols = matrix[0].length;
//二重寻找逐个扫描
//因为假定最大边长为maxSide,那么最大的起始点,那么最多也只能到 length - maxSide
for (int i = 0;i<rows - maxSide;i++){
for (int j = 0;j < cols - maxSide;j++){
if (matrix[i][j] == '1'){
// 遇到 '1' 就将它作为一个正方形的左上角,进行查询
maxSide = Math.max(maxSide,1);
//计算可能的最大正方形边长
int curMaxSide = Math.min(rows - i,cols - j);
//按照此范围检测是否里面所有的元素,均是 '1'
for (int k = 1;k < curMaxSide;k++){
boolean flag = true;
//如果不满足则直接pass
if (matrix[i+k][j+k] == '0'){
break;
}
for (int k1 = 0;k1 < k;++k1){
if (matrix[i+k][j+k1] == '0' || matrix[i+k1][j + k] == '0'){
flag = false;
break;
}
}
//如果当前边长内,所有的值都满足true,则可以考虑增大maxSide
if (flag){
maxSide = Math.max(maxSide,k+1);
}else {
break;
}
}
}
}
}
return maxSide*maxSide;
}
}
_221最大正方形_dp
package leetcode板块;
public class _221最大正方形_dp {
/**
* 指定正方形的大小,然后进行准一范围去寻找,满足的话就继续增大一个格子,继续寻找,因为如果连满足是大小为2的正方形都不满足的话,那么必然也不可能满足是大小为3的正方形
*
* m == matrix.length
* n == matrix[i].length
* 1 <= m, n <= 300
* @param matrix
* @return
*/
public int maximalSquare(char[][] matrix) {
//TODO 还是像我们上面注释所提到的那样,如果如果连满足是大小为2的正方形都不满足的话,那么必然也不可能满足是大小为3的正方形
//那么只需要把每个元素看成是构建出正方形的右下角元素就可以了,然后我们只需要考虑每一个元素与他左边,上面,以及左上角的dp值的迭代关系就可以了
int maxSide = 0;
if (matrix == null || matrix.length == 0 || matrix[0].length == 0) {
return maxSide;
}
int rows = matrix.length, columns = matrix[0].length;
int [][] dp = new int[rows][columns];
for (int i = 0; i < rows; i++) {
for (int j = 0; j < columns; j++) {
if (matrix[i][j] == '1'){
if (i == 0 || j == 0){
dp[i][j] = 1;
}else {
dp[i][j] = Math.min(Math.min(dp[i - 1][j],dp[i][j-1]),dp[i-1][j-1]) + 1;
}
maxSide = Math.max(maxSide,dp[i][j]);
}
}
}
return maxSide * maxSide;
}
}