221. 最大正方形
221. 最大正方形
题目
Given an m x n
binary matrix
filled with 0
's and 1
's, find the largest square containing only 1
's and return its area.
Example 1:
Input: matrix = [["1","0","1","0","0"],["1","0","1","1","1"],["1","1","1","1","1"],["1","0","0","1","0"]]
Output: 4
Example 2:
Input: matrix = [["0","1"],["1","0"]]
Output: 1
Example 3:
Input: matrix = [["0"]]
Output: 0
Constraints:
m == matrix.length
n == matrix[i].length
1 <= m, n <= 300
matrix[i][j]
is'0'
or'1'
.
题目大意
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。
解题思路
思路一:动态规划
动态规划:定义一个二维数组
dp
,其中dp[i][j]
表示以矩阵中第i
行、第j
列为右下角的正方形的最大边长。状态转移方程:对于每个位置
(i, j)
,如果当前位置为 '1',则dp[i][j]
的值取决于其左、上和左上三个相邻位置的最小值,因为只有这三个位置都为 '1',当前位置才能构成正方形。状态转移方程为:dp[i][j] = min(dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]) + 1
初始化:初始化第一行和第一列,因为这些位置没有左、上和左上相邻位置。
遍历计算:从矩阵的第二行和第二列开始遍历,根据状态转移方程计算每个位置的
dp
值。结果:
dp
数组中的最大值即为最大正方形的边长,返回其面积。
复杂度分析
- 时间复杂度:
O(m * n)
,遍历整个矩阵。 - 空间复杂度:
O(m * n)
,使用了一个二维数组来存储中间状态。可以优化为O(n)
。
思路二:动态规划-状态压缩
可以进行空间优化,将二维的 dp 数组优化为一维。因为在计算 dp[i][j]
的时候,只用到了 dp[i-1][j]
,dp[i][j-1]
,和 dp[i-1][j-1]
这三个位置的值,所以只需要维护当前行和上一行的状态即可。
动态规划状态转移方程变为:dp[j] = min(dp[j], dp[j-1], prev) + 1
,其中:
dp[j]
对应dp[i - 1][j]
,表示上边的格子的最大边长(此时dp[j]
还未更新,仍保留着上一行的数据);dp[j-1]
对应dp[i][j - 1]
,表示左边的格子的最大边长(此时dp[j - 1]
已经被更新,储存着本行最新的数据);prev
对应dp[i - 1][j - 1]
,表示左上边的格子的最大边长(在每次更新dp[j]
之前,我们会保存dp[j]
的原始值到temp
,然后在下一轮迭代中作为prev
使用);
代码
/**
* @param {character[][]} matrix
* @return {number}
*/
var maximalSquare = function (matrix) {
let res = 0;
const m = matrix.length;
const n = matrix[0].length;
const dp = new Array(m).fill(0).map(() => new Array(n).fill(0));
// 动态规划遍历
for (let i = 0; i < m; i++) {
for (let j = 0; j < n; j++) {
if (matrix[i][j] == 1) {
if (i == 0 || j == 0) {
// base case
dp[i][j] = 1;
} else {
dp[i][j] = Math.min(dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]) + 1;
}
}
// 更新最大正方形的边长
res = Math.max(res, dp[i][j]);
}
}
// 返回最大正方形的面积
return res * res;
};
/**
* @param {character[][]} matrix
* @return {number}
*/
var maximalSquare = function (matrix) {
let res = 0;
const m = matrix.length;
const n = matrix[0].length;
const dp = new Array(n).fill(0);
let prev = 0;
// 动态规划遍历
for (let i = 0; i < m; i++) {
for (let j = 0; j < n; j++) {
// 保留左上角的原始值,留到下一轮作为 prev 使用
let temp = dp[j];
if (matrix[i][j] == 1) {
if (i == 0 || j == 0) {
// base case
dp[j] = 1;
} else {
dp[j] = Math.min(dp[j - 1], dp[j], prev) + 1;
}
} else {
dp[j] = 0;
}
// prev 在下一轮迭代中使用,相当于 dp[i - 1][j - 1]
prev = temp;
// 更新最大正方形的边长
res = Math.max(res, dp[j]);
}
}
// 返回最大正方形的面积
return res * res;
};
相关题目
题号 | 标题 | 题解 | 标签 | 难度 | 力扣 |
---|---|---|---|---|---|
85 | 最大矩形 | [✓] | 栈 数组 动态规划 2+ | 🔴 | 🀄️ 🔗 |
764 | 最大加号标志 | 数组 动态规划 | 🟠 | 🀄️ 🔗 | |
2132 | 用邮票贴满网格图 | 贪心 数组 矩阵 1+ | 🔴 | 🀄️ 🔗 | |
2201 | 统计可以提取的工件 | 数组 哈希表 模拟 | 🟠 | 🀄️ 🔗 | |
2943 | 最大化网格图中正方形空洞的面积 | 数组 排序 | 🟠 | 🀄️ 🔗 |