摘要
主要是介绍动态规划相关算法问题,帮助大家更好的理解动态规划相关的问题和逻辑问题。
221. 最大正方形
可以使用动态规划降低时间复杂度。我们用 dp(i,j)表示以 (i,j)为右下角,且只包含 '1' 的正方形的边长最大值。如果我们能计算出所有 dp(i,j) 的值,那么其中的最大值即为矩阵中只包含 1的正方形的边长最大值,其平方即为最大正方形的面积。
那么如何计算 dp 中的每个元素值呢?对于每个位置 (i,j),检查在矩阵中该位置的值:
- 如果该位置的值是 0,则 dp(i,j)=0,因为当前位置不可能在由 1 组成的正方形中;
- 如果该位置的值是 1,则 dp(i,j)的值由其上方、左方和左上方的三个相邻位置的 dp值决定。具体而言,当前位置的元素值等于三个相邻位置的元素中的最小值加 1,状态转移方程如下:
- dp(i,j)=min(dp(i−1,j),dp(i−1,j−1),dp(i,j−1))+1
此外,还需要考虑边界条件。如果 i和 j中至少有一个为 0,则以位置 (i,j) 为右下角的最大正方形的边长只能是 1,因此 dp(i,j)=1。
package 数组算法;
/**
* @Classname maximalSquare2121
* @Description 选择三个数据中最小的为编程dp[i][j]=Math.min(Math.min(dp[i-1][j],dp[i][j-1]),dp[i-1][j-1])+1
* @Date 2022/3/22 7:37
* @Created by xjl
*/
public class maximalSquare221 {
public int maximalSquare(char[][] matrix) {
int row = matrix.length;
int len = matrix[0].length;
if (row <= 0 || len <= 0) {
return 0;
}
// 构建状态矩阵
int[][] dp = new int[row][len];
int max = 0;
for (int i = 0; i < row; i++) {
for (int j = 0; j < len; j++) {
// 如果是字符为1的那就开始计算否为就是为0
if (matrix[i][j]=='1'){
// 考虑最外围的一个数据
if (i == 0 || j == 0) {
dp[i][j] = 1;
}else {
//比较当前的最小的值+1就是这个最大的边长
dp[i][j] = Math.min(Math.min(dp[i - 1][j], dp[i][j - 1]), dp[i - 1][j - 1])+1;
}
max = Math.max(dp[i][j], max);
}
}
}
return max * max;
}
}