题目描述:
在一个由 0 和 1 组成的二维矩阵内,找到只包含 1 的最大正方形,并返回其面积。
示例:
输入:
1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0
输出: 4
方法1:动态规划
主要思路:
(1)该方法的实现比较简单,主要是能够理解动态转移公式:dp[i][j]=min(dp[i-1][j-1],min(dp[i-1][j],dp[i][j-1]))+1;其中dp[ i ][ j ]表示在以i-1,j-1处的字符为右下角时,可能组成的正方形的最大边长,则需要获得dp[i-1][j-1],dp[i-1][j],dp[i][j-1]三处中,最小值,相当于是这三处都能组成的正方行的最小值,这样这三个小的正方形叠加到一起,就是一个缺少了右下角的正方形,故加1就为当前位置的最大的正方形;
class Solution {
public:
int maximalSquare(vector<vector<char>>& matrix) {
//处理特殊情形
if(matrix.empty()||matrix[0].empty())
return 0;
//初始化动态数组
int rows=matrix.size();
int cols=matrix[0].size();
vector<vector<int>> dp(rows+1,vector<int>(cols+1,0));
int maxLength=0;//保存最大的边长
for(int i=1;i<=rows;++i){
for(int j=1;j<=cols;++j){
if(matrix[i-1][j-1]=='1'){//当前字符为'1'时,可能作为新的正方形的右下角
//获得当前正方形的最大边长
dp[i][j]=min(dp[i-1][j-1],min(dp[i-1][j],dp[i][j-1]))+1;
maxLength=max(maxLength,dp[i][j]);//保存最大边长
}
}
}
return maxLength*maxLength;
}
};