The goal is not always meant to be reached, but to serve as a mark for our aim.
目标不一定永远都会达到,但可以当我们瞄准的方向。
问题描述
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'
动态规划解决
这题让求的是由1围成的最大正方形,最容易想到的一种方式就是暴力求解。解决方式就是如果某个位置是1,就以他为正方形左上角,然后沿着右边和下边找最大的正方形,并且还要保证围成的正方形中所有的数字都是1。
这种虽然容易想到但代码不太好写,并且时间复杂度也比较高。下面我们来看另一种实现方式,使用动态规划来解决。
定义二维数组dp[m][n],其中dp[i][j]表示的是在矩阵中以坐标(i,j)为右下角的最大正方形边长。如果我们想求dp[i][j],需要判断矩阵中matrix[i][j]的值。
如果matrix[i][j]是0就没法构成正方形,所以dp[i][j]=0。
如果matrix[i][j]是1,说明他可以构成一个正方形,并且这个正方形的边长最小是1。
如果我们想求最大值,还需要判断他左上角的值dp[i-1][j-1],如果dp[i-1][j-1]是0,那么以坐标(i,j)为右下角的最大正方形边长就是1,如下图所示
如果左上角的值dp[i-1][j-1]不是0,也就是说他也可以构成正方形,那么以坐标(i,j)为右下角有可能可以构成一个更大的正方形。为啥说是有可能,因为如果我们要确定他能不能构成一个更大的正方形,还要往他的上边和左边找,看下下面的图。
有可能是下面这种情况,就是左边或者上边的某一个高度小于dp[i-1][j-1]的值,要想构成最大的正方形我们只能取最小的。
也有可能是下面这种,就是左边和上边的高度都不小于dp[i-1][j-1]的值。
所以我们可以得出结论,如果(i,j)是1,那么以他为右下角的最大正方形边长是
{dp[i-1][j-1],上边的高度,左边的高度}这3个中最小的+1。
这里有个问题就是,如果(i,j)是1,我们有必要往他的上边和左边查找吗,很明显没必要,上边可以用dp[i-1][j]来代表,左边可以用dp[i][j-1]来代表。(注意这里dp[i-1][j]并不是上边为1的高度,dp[i-1][j]只会小,不会大,可以想一下为什么可以代表)
所以我们可以找出递推公式
如果坐标(i,j)为0,
则dp[i][j]=0;
如果坐标(i,j)为1,
则dp[i][j]=min(dp[i-1][j],dp[i][j-1],dp[i-1][j-1])+1;
为了防止一些不必要的边界条件判断,我把dp数组的长和宽都增加了1,来看下代码
1public int maximalSquare(char[][] matrix) {
2 //二维矩阵的宽和高
3 int height = matrix.length;
4 int width = matrix[0].length;
5 int[][] dp = new int[height + 1][width + 1];
6 int maxSide = 0;//最大正方形的宽
7 for (int i = 1; i <= height; i++) {
8 for (int j = 1; j <= width; j++) {
9 if (matrix[i - 1][j - 1] == '1') {
10 //递推公式
11 dp[i][j] = Math.min(dp[i - 1][j], Math.min(dp[i - 1][j - 1], dp[i][j - 1])) + 1;
12 //记录最大的边长
13 maxSide = Math.max(maxSide, dp[i][j]);
14 }
15 }
16 }
17 //返回正方形的面积
18 return maxSide * maxSide;
19}
总结
这题代码没什么难度,关键点在于怎么找出动态规划的递推公式,上面画了那么多图就是为了找出这个公式,有了公式代码就很容易写出来了。
联系客服