Mar.4-5 爬楼梯（简单）& 最大正方形（中等）

70. 爬楼梯

思路

看到这题时，心想：就这就这？？？斐波那契数列嘛，简单。

#python3
class Solution:
    def climbStairs(self, n: int) -> int:
        if n<3: return n
        return self.climbStairs(n-1) + self.climbStairs(n-2)

写完之后，超时了…
看来还是得学习一波，这里记录一下各种解法。

# python3
# 直接递归解法，容易超时，python可以加个缓存装饰器，这样也算是将递归转换成迭代的形式了
# 除了这种方式，还有增加步长来递归，变相的减少了重复计算
# 还有一种方法，在递归的同时，用数组记忆之前得到的结果，也是减少重复计算
class Solution:
    @functools.lru_cache(100)  # 缓存装饰器
    def climbStairs(self, n: int) -> int:
        if n<3: return n
        return self.climbStairs(n-1) + self.climbStairs(n-2)

# 直接DP，新建一个字典或者数组来存储以前的变量，空间复杂度O(n)
class Solution:
    def climbStairs(self, n: int) -> int:
        dp = {}
        dp[1] = 1
        dp[2] = 2
        for i in range(3,n+1):
            dp[i] = dp[i-1] + dp[i-2]
        return dp[n]

# 还是DP，只不过是只存储前两个元素，减少了空间，空间复杂度O(1)
class Solution:
    def climbStairs(self, n: int) -> int:
        if n==1 or n==2: return n
        a, b, temp = 1, 2, 0
        for i in range(3,n+1):
            temp = a + b
            a = b
            b = temp
        return temp

---

221. 最大正方形

提示：

• m == matrix.length
• n == matrix[i].length
• 1 <= m, n <= 300
• matrix[i][j] 为 ‘0’ 或 ‘1’

思路

典型动态规划问题。
用 dp[i][j] 来表示以第 i 行，第 j 列处为右下角的最大正方形的边长。
仅当该位置为1时，才有可能存在正方形。且递推公式为：

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

含义为若当前位置为1，则此处可以构成的最大正方形的边长，是其正上方，左侧，和左上界三者共同约束的，且为三者中的最小值加1。

特判，若matrix为空，返回0
初试化matrix的行 h，列 w，初始化dp=[[0,⋯,0],⋯,[0,⋯,0]]，维度为(h+1)*(w+1)，这样便于处理边界。初试化最大边长maxline = 0。
遍历dp数组，遍历行 i，遍历区间[1,h+1)：
遍历列 j，遍历区间[1,w+1)：
若matrix[i-1][j-1]==“1”，此时可能存在正方形：
令：dp[i][j] = min(dp[i-1][j-1], dp[i-1][j], dp[i][j-1]) + 1

并更新最大边长maxline = max(maxline, dp[i][j])
返回面积maxline ** 2

时间复杂度：O(m * n)
空间复杂度：O(m * n)

# python3
class Solution:
    def maximalSquare(self, matrix: List[List[str]]) -> int:
        h = len(matrix)
        w = len(matrix[0])
        dp = [[0]*(w+1) for _ in range(h+1)]
        maxline = 0
        for x in range(h):
            for y in range(w):
                if matrix[x][y] == '1':
                    dp[x+1][y+1] = min(dp[x][y], dp[x+1][y], dp[x][y+1]) + 1
                maxline = max(dp[x+1][y+1], maxline)
        return maxline ** 2