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:
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
解题思路
我们用dp[i][j]表示以(i, j)为右下角的正方形的最大边长。
1、通过固定 dp[i][j] 的值,判断其相邻位置与之的关系:对于位置(i, j)有 dp[i][j] = 4,可以发现其左侧位置(i, j - 1),上方位置 (i - 1, j) 和左上位置 (i - 1, j - 1) 均可以作为一个边长为 4 - 1 = 3 的正方形的右下角。也就是说,这些位置的的dp值至少为3,即:min(dp[i][j−1],dp[i−1][j],dp[i−1][j−1])≥dp[i][j]−1。
2、再通过固定 f[i][j] 相邻位置的值,得到另外的限制条件:假设dp[i][j - 1],dp[i - 1][j]和dp[i - 1][j - 1] 中的最小值为 3,也就是说,(i, j - 1),(i - 1, j) 和 (i - 1, j - 1) 均可以作为一个边长为 3 的正方形的右下角。如果位置 (i, j) 的元素为 1,那么它可以作为一个边长为 4 的正方形的右下角,dp值至少为 4,
即:dp[i][j]≥min(dp[i][j−1],dp[i−1][j],dp[i−1][j−1])+1
联立两个不等式,可以得到 dp[i][j]=min(dp[i][j−1],dp[i−1][j],dp[i−1][j−1])+1。
再考虑边界条件,即当i=0或j=0时,以及(i, j)位置的元素为0的情况下,所以有以下递推式:
1)若i=0或j=0,dp[i][j] = matrix[i][j];
2)若matrix[i][j]=0,dp[i][j] = 0;
3)其他情况,dp[i][j] = min(dp[i][j−1],dp[i−1][j],dp[i−1][j−1])+1
复杂度分析:
时间复杂度:O(mn),其中 m 和 n 是矩阵的行数和列数。需要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。
代码
Python代码如下:
class Solution:
def maximalSquare(self, matrix: List[List[str]]) -> int:
m = len(matrix)
if m==0:
return 0
n = len(matrix[0])
if n==0:
return 0
dp = [[0]*n for _ in range(m)]
max_length = 0
for i in range(m):
for j in range(n):
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
max_length = max(max_length, dp[i][j])
return max_length*max_length
Java代码如下:
class Solution {
public int maximalSquare(char[][] matrix) {
int m = matrix.length;
if(m==0){
return 0;
}
int n = matrix[0].length;
if(n==0){
return 0;
}
int[][] dp = new int[m][n];
int max_length = 0;
for(int i=0; i<m; i++){
for(int j=0; j<n; j++){
if(matrix[i][j] == '1'){
if(i==0 || j==0){
dp[i][j] = 1;
}else{
dp[i][j] = Math.min(Math.min(dp[i-1][j], dp[i][j-1]), dp[i-1][j-1])+1;
}
}
max_length = Math.max(max_length, dp[i][j]);
}
}
return max_length*max_length;
}
}