题目
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 1:
输入:matrix = [[“1”,“0”,“1”,“0”,“0”],[“1”,“0”,“1”,“1”,“1”],[“1”,“1”,“1”,“1”,“1”],[“1”,“0”,“0”,“1”,“0”]]
输出:4
示例 2:
输入:matrix = [[“0”,“1”],[“1”,“0”]]
输出:1
示例 3:
输入:matrix = [[“0”]]
输出:0
提示:
m == matrix.length
n == matrix[i].length
1 <= m, n <= 300
matrix[i][j] 为 ‘0’ 或 ‘1’
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/maximal-square
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
解题思路
暴力法
由于正方形的面积等于边长的平方,解此题首先需要找到最大正方形的边长,然后计算最大边长的平方。
-
遍历矩阵中的每个元素,每次遇到 1,就将该元素记为正方形的左上角;
-
确定正方形的左上角后,根据左上角所在的行和列计算可能的最大正方形的边长(而正方形的范围不能超出矩阵的行数和列数),在该边长范围内寻找只包含 1 的最大正方形;
-
每次在下方新增一行以及在右方新增一列,判断新增的行和列是否满足所有元素都是 1。
-
时间复杂度:O(mnmin(m,n) 2)
其中 m 和 n 是矩阵的行数和列数;
需要遍历整个矩阵寻找每个 1,遍历矩阵的时间复杂度是 O(mn);
对于每个可能的正方形,其边长不超过 m 和 n 中的最小值,需要遍历该正方形中的每个元素判断是不是只包含 1,遍历正方形时间复杂度是 O(min(m,n)2);
总时间复杂度是 O(mnmin(m,n)2)。 -
空间复杂度:O(1)
额外使用的空间复杂度为常数。
动态规划
利用动态数组存储目前最大正方形,dp(i,j) 由其上方、左方和左上方的三个相邻位置的 dp 值决定。
-
时间复杂度:O(mn)
其中 m 和 n 是矩阵的行数和列数,遍历原始矩阵中的每个元素计算 dp 的值。 -
空间复杂度:O(mn)
其中 m 和 n 是矩阵的行数和列数。创建了一个和原始矩阵大小相同的矩阵 dp。
提交代码
暴力法
class Solution:
def maximalSquare(self, matrix: List[List[str]]) -> int:
if len(matrix) == 0 or len(matrix[0]) == 0:
return 0
maxSide = 0
rows, columns = len(matrix), len(matrix[0])
for i in range(rows):
for j in range(columns):
if matrix[i][j] == '1':
# 遇到一个 1 作为正方形的左上角
maxSide = max(maxSide, 1)
# 计算可能的最大正方形边长
currentMaxSide = min(rows - i, columns - j)
for k in range(1, currentMaxSide):
# 判断新增的一行一列是否均为 1
flag = True
if matrix[i + k][j + k] == '0':
break
for m in range(k):
if matrix[i + k][j + m] == '0' or matrix[i + m][j + k] == '0':
flag = False
break
if flag:
maxSide = max(maxSide, k + 1)
else:
break
maxSquare = maxSide * maxSide
return maxSquare
# https://leetcode-cn.com/problems/maximal-square/solution/zui-da-zheng-fang-xing-by-leetcode-solution/
动态规划
class Solution:
def maximalSquare(self, matrix: List[List[str]]) -> int:
if len(matrix) == 0 or len(matrix[0]) == 0:
return 0
maxSide = 0
rows, columns = len(matrix), len(matrix[0])
dp = [[0] * columns for _ in range(rows)]
for i in range(rows):
for j in range(columns):
if matrix[i][j] == '1':
if i == 0 or j == 0:
dp[i][j] = 1
else:
dp[i][j] = min(dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1]) + 1
maxSide = max(maxSide, dp[i][j])
maxSquare = maxSide * maxSide
return maxSquare
# https://leetcode-cn.com/problems/maximal-square/solution/zui-da-zheng-fang-xing-by-leetcode-solution/
总结
- 在确定正方形左上角后,对新增元素的方向判断考虑不周,不是每行每列的判断奏效,从左上角扩展的角度,左上角至右下角,于是新增下一行与右边一列来判断是否是最大正方形;
- 动态转移方程 dp(i,j) 写了比较长时间,dp 值影响着最后的结果。