🦁
Voyz的算法笔记
  • Voyz的算法笔记
  • 归纳总结
    • 排序算法
    • 二分法
    • 滑动窗口
    • 双指针
    • 动态规划
    • DFS/回溯算法
    • BFS
    • 贪心算法
  • 排序算法
    • 冒泡排序
    • 选择排序
    • 插入排序
    • 希尔排序
    • 归并排序
    • 快速排序
    • 堆排序
    • 计数排序
    • 桶排序
    • 基数排序
  • 数组
    • 数组中第k大的元素
    • 最长上升子数组
    • 构建乘积数组
    • 和为 s 的连续正数序列
    • 和为 s 的两个数字
    • 连续子数组的最大和
    • 排序数组中的出现次数
    • 奇数位于偶数前
    • 数组中超过一半的数字
    • 旋转数组的最小数字
    • 左旋转字符串
    • 合并有序数组
  • 字符串
    • 电话号码的字母组合
    • 判断回文字符串
    • 生成有效括号
    • 找出回文子串
    • 最长公共前缀
    • 翻转单词顺序
    • 替换空格
    • Z字形变换
  • 矩阵
    • 矩阵置零
    • 螺旋矩阵
    • 搜索二维矩阵
    • 旋转图像
    • 杨辉三角
    • 矩阵查找
    • 矩阵中的路径
    • 顺时针打印矩阵
  • 栈和队列
    • 定义栈数据结构
    • 根据身高重建队列
    • 计算后缀表达式
    • 中缀转后缀
    • 包含 min 函数的栈
    • 从尾到头打印链表
    • 队列的最大值
    • 滑动窗口的最大值
    • 用两个栈实现队列
    • 栈的压入、弹出序列
    • 判断括号有效
  • 哈希表
    • 第一个只出现一次的字符
    • 数组中重复的数字
    • LRU 缓存机制
  • 链表
    • 反转链表
    • 反转链表部分链表
    • 复制带随机指针的链表
    • 复制复杂链表
    • 删除倒数第n个节点
    • 合并两个排序的链表
    • 链表倒数第 k 个节点
    • 两个链表的第一个公共节点
    • 删除链表的节点
    • 环形链表入环位置
    • 链表是否有环
    • 判断回文链表
    • K 个一组翻转链表
  • DFS/回溯算法
    • 不重复字母构成字符串
    • 单词搜索
    • 岛屿数量
    • 分割回文串
    • 全排列
    • 数组组合总和
    • 子集
    • 机器人的运动范围
  • BFS
    • 从上到下打印二叉树
    • 从上到下打印二叉树II
    • 从上到下打印二叉树III
    • 二叉树的最小深度
    • 打开转盘锁
  • 动态规划
    • 打家劫舍I
    • 打家劫舍 II
    • 打家劫舍 III
    • 股票问题汇总
    • 零钱兑换
    • 爬楼梯
    • 最大正方形
    • 把数字翻译成字符串
    • 丑数
    • 斐波那契数列
    • 礼物的最大价值
    • 圆圈中最后剩下的数字
    • 添加符号得到目标和方法数
  • 树
    • 【二叉树】翻转
    • 【二叉树】构造by前序中序
    • 【二叉树】构造by中序后序
    • 【二叉树】合并
    • 【二叉树】镜像
    • 【二叉树】判断对称
    • 【二叉树】前中后序遍历
    • 【二叉树】深度
    • 【二叉树】展开为链表
    • 【二叉树】直径
    • 【二叉树】重复的子树
    • 【二叉树】最近公共祖先
    • 【二叉树】B是A的子结构
    • 【二叉搜索树】第K大元素
    • 【二叉搜索树】第K小元素
    • 【二叉搜索树】构造/遍历
    • 【二叉搜索树】判断
    • 【二叉搜索树】判断后序遍历
    • 【二叉搜索树】转累加树
    • 【二叉搜索树】转排序双向链表
    • 【二叉搜索树】最近公共祖先
    • 【红黑树】构造
    • 【路径和】根到叶子节点
    • 【路径和】为某一值的集合
    • 【路径和】最大值
    • 【平衡二叉树】判断
    • 【对称二叉树】判断
    • 【完美二叉树】填充右侧指针
    • 【依赖关系树】打包顺序数组
    • 【最大二叉树】构建
  • 位运算
    • 比特位计数
    • 出现超过一半的数字
    • 汉明距离
    • Pow(x, n)
    • 不用加减乘除做加法
    • 二进制中 1 的个数
    • 两个只出现一次的数字
  • 贪心算法
    • 加油站
    • 剪绳子
    • 跳跃游戏
    • 无重叠区间
    • 用最少数量的箭引爆气球
  • 双指针
    • 接雨水
    • 盛最多水的容器
    • 长度最小的连续子数组
    • n数之和
  • 分治算法
    • 为运算表达式设计优先级
  • 二分法
    • 缺失的数字
    • 旋转数组的最小元素
    • 排序数组中查找左右区间
由 GitBook 提供支持
在本页

这有帮助吗?

  1. 动态规划

最大正方形

上一页爬楼梯下一页把数字翻译成字符串

最后更新于3年前

这有帮助吗?

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

const maximalSquare = (matrix) => {
  if (!matrix.length) return 0
  
  let maxsqlen = 0
  let rowLength = matrix.length, colLength = matrix[0].length
  for (let row = 0; row < rowLength; row++) {
    for (let col = 0; col < colLength; col++) {
      if (matrix[row][col] === '1') {
        matrix[row][col] = Number(matrix[row][col])
        if (row != 0 && col != 0) {
          matrix[row][col] = Math.min(matrix[row-1][col], matrix[row-1][col-1], matrix[row][col-1]) + 1
        }
        maxsqlen = Math.max(maxsqlen, matrix[row][col])
      } 
    }
  }
  return maxsqlen**2 
    
}


/** DP 
 * 题目要求最大正方形面积,面积 = 边长 * 边长,也就是求最大正方形的边长
 * 所以也就变成了,在矩阵中找最大正方形,矩阵中只有0|1两种值,全部为1的才是正方形
 * 如何知道矩阵中哪里是1,哪里是0,只能穷举,但要聪明的穷举,这不就是动态规划的本质嘛!
 * 动态规划第一步,先假象我们创建了一个二维数组dp,用来存储「这个点为右下角的最大正方形的边长」
 * 下面开始找 状态转换方程
 * 思路:假设有如下矩阵
 * 1 0 1 1 1
 * 1 1 1 1 1
 * 1 1 1 1 1
 * 1 0 0 1 1
 * 随便找一个点,直观地,我们先找最右下角的点,设该点的最大正方形边长为 dp[i][j], 我们用肉眼看一下,dp[i][j] 应该等于 2
 * 为什么等于2,是因为我们看了 dp[i-1][j], dp[i-1][j-1], dp[i][j-1] 这三个点都为1,而又因为dp[i][j-2] 为0,所以
 * 我们知道dp[i][j]最大就为2了。也就是我们不能只看dp[i][j]相邻的三个点,而应该看「这三个相邻点为正方形右下角」的边长情况,
 * 取最小边长进行求解 dp[i][j] 的最大正方形边长。(看,我们找到了重叠子问题和最优子结构)
 * 所以,状态转换方程为:dp[i][j] = Math.min(dp[i-1][j], dp[i-1][j-1], dp[i][j-1]) + 1
 * 下一步,需要根据矩阵数据,进行选择和明确 base case 即可
 */
最大正方形