LeetCode221：最大正方形

要求

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。

题目解析

只包含 ‘1’ 的最大正方形，前提只包含1且是正方形，返回面积

思路

方法：动态规划
在其他动态规划方法的题解中，大都会涉及到下列形式的代码：只写个伪代码

if (matrix(i - 1, j - 1) == '1') {
    dp(i, j) = min(dp(i - 1, j), dp(i, j - 1), dp(i - 1, j - 1)) + 1;
}

其中，dp(i, j) 是以 matrix(i - 1, j - 1) 为 右下角 的正方形的最大边长。等同于：dp(i + 1, j + 1) 是以 matrix(i, j) 为右下角的正方形的最大边长
解释一下：

若某格子值为 1，则以此为右下角的正方形的、最大边长为：上面的正方形、左面的正方形或左上的正方形中，最小的那个，再加上此格。

并且当前格、上、左、左上都不能受 0 的限制，才能成为正方形

三者取最小的含义：
图 1：受限于左上的 0
图 2：受限于上边的 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 具体定义：dp[i + 1][j + 1] 表示 「以第 i 行、第 j 列为右下角的正方形的最大边长

回到图解中，任何一个正方形，我们都「依赖」当前格 左、上、左上三个方格的情况；
但第一行的上层已经没有格子，第一列左边已经没有格子，需要做特殊 if 判断来处理
为了代码简洁，我们 假设补充 了多一行全 ‘0’、多一列全 ‘0’ ；此时 dp 数组的大小也明确为 new dp[height + 1][width + 1] 初始值就是将第一列 dp[row][0] 、第一行 dp[0][col] 都赋为 0，相当于计算了第一行、第一列的 dp 值。根据 「面积 = 边长 x 边长」可知，我们只需求出 最大边长 即可
定义 maxSide 表示最长边长，每次得出一个 dp，就 maxSide = max(maxSide, dp); 最终返回 return
maxSide * maxSide;

public class LeetCode221 {
    public int maximalSquare(char[][] matrix) {
        //判断是否为空,返回面积为0
        if (matrix == null || matrix.length < 1 || matrix[0].length < 1){
            return 0;
        }
        //定义长高，高是数组的个数，长是单个数组元素的个数；定义最大边长
        int height = matrix.length;
        int width = matrix[0].length;
        int maxSide = 0;

        //预处理新增第一行、第一列为0
        int[][] dp = new int[height+1][width+1];

        for (int row = 0; row < height; row++) {
            for (int col = 0; col < width; col++) {
                //matrix[row][col]原表格如果为1的话，证明是dp[row+1][col+1]表格的这个位置，所以dp[row+1][col]是右下角表格的左边的表格
                if (matrix[row][col] == '1'){
                    dp[row+1][col+1] = Math.min(Math.min(dp[row+1][col],dp[row][col+1]),dp[row][col]) + 1;
                    maxSide = Math.max(maxSide, dp[row+1][col+1]);
                }
            }
        }
        return maxSide*maxSide;
    }
}

时间复杂度 O(height∗width)
空间复杂度 O(height∗width)