[LeetCode]221. 最大正方形

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;
    }
}