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
分析
- 若形成正方形(非单 1),以当前为右下角的视角看,则需要:当前格、上、左、左上都是 1
- 可以换个角度:当前格、上、左、左上都不能受 0 的限制,才能成为正方形
图片来自
图片来自 - 图1:受限于左上的0
- 图2:受限于上边的0
- 图3:受限于左边的0
- 数字表示:以此为正方形右下角的最大边长
- 黄色表示:格子 ? 作为右下角的正方形区域
就像 木桶的短板理论 那样——附近的最小边长,才与 ? 的最长边长有关。
dp(i, j)=min(dp(i−1, j), dp(i−1, j−1), dp(i, j−1))+1
空间压缩
我们知道计算dp(i, j)只需要用到dp(i−1, j), dp(i−1, j−1), dp(i, j−1),所以只需要存贮三个变量跟一个一位数组就行了
代码
public static int maximalSquare(char[][] matrix) {
if (matrix.length == 0) {
return 0;
}
int max = 0;
int d = 0;
int[] dp = new int[matrix[0].length];
for (int j = 0; j < matrix[0].length; j++) {
dp[j] = Integer.parseInt(String.valueOf(matrix[0][j]));
if (dp[j] == 1) {
max = 1;
}
}
for (int i = 1; i < matrix.length; i++) {
d = dp[0];
if (d > max) {
max = d;
}
dp[0] = Integer.parseInt(String.valueOf(matrix[i][0]));
for (int j = 1; j < matrix[0].length; j++) {
int tem = dp[j];
if (matrix[i][j] == '1') {
dp[j] = Math.min(Math.min(dp[j - 1], dp[j]), d) + 1;
if (dp[j] > max) {
max = dp[j];
}
}else {
dp[j] = 0;
}
d = tem;
System.out.println(max);
}
}
return max * max;
}
- 时间复杂度:O(mn)。
- 空间复杂度:O(n),使用了一个一维数组 dp。
其他参考代码
public class Solution {
public int maximalSquare(char[][] matrix) {
int rows = matrix.length, cols = rows > 0 ? matrix[0].length : 0;
int[] dp = new int[cols + 1];
int maxsqlen = 0, prev = 0;
for (int i = 1; i <= rows; i++) {
for (int j = 1; j <= cols; j++) {
int temp = dp[j];
if (matrix[i - 1][j - 1] == '1') {
dp[j] = Math.min(Math.min(dp[j - 1], prev), dp[j]) + 1;
maxsqlen = Math.max(maxsqlen, dp[j]);
} else {
dp[j] = 0;
}
prev = temp;
}
}
return maxsqlen * maxsqlen;
}
}