本文主要是介绍【数据结构与算法】之深入解析“最大矩形”的求解思路和算法示例,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
一、题目要求
- 给定一个仅包含 0 和 1 、大小为 rows x cols 的二维二进制矩阵,找出只包含 1 的最大矩形,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:6
输入:matrix = []
输出:0
输入:matrix = [["0"]]
输出:0
输入:matrix = [["1"]]
输出:1
输入:matrix = [["0","0"]]
输出:0
- 提示:
-
-
- cols == matrix[0].length;
-
-
- matrix[i][j] 为 ‘0’ 或 ‘1’。
二、求解算法
① 暴力破解
- 遍历每个点,求以这个点为矩阵右下角的所有矩阵面积。如下所示,橙色是当前遍历的点,然后虚线框圈出的矩阵是其中一个矩阵:
- 怎么找出这样的矩阵呢?如下所示,如果知道以这个点结尾的连续 1 的个数的话,问题就变得简单:
- 具体步骤:
-
- A. 首先求出高度是 1 的矩形面积,也就是它自身的数,如上图中橙色的 4,面积就是 4。
-
- B. 然后向上扩展一行,高度增加一,选出当前列最小的数字,作为矩阵的宽,求出面积,对应上图的矩形框。
-
- 按照上边的方法,遍历所有的点,求出所有的矩阵就可以。
- 以橙色的点为右下角:
-
public int maximalRectangle(char[][] matrix) {
if (matrix.length == 0) {
return 0;
}
// 保存以当前数字结尾的连续 1 的个数
int[][] width = new int[matrix.length][matrix[0].length];
int maxArea = 0;
// 遍历每一行
for (int row = 0; row < matrix.length; row++) {
for (int col = 0; col < matrix[0].length; col++) {
// 更新 width
if (matrix[row][col] == '1') {
if (col == 0) {
width[row][col] = 1;
} else {
width[row][col] = width[row][col - 1] + 1;
}
} else {
width[row][col] = 0;
}
// 记录所有行中最小的数
int minWidth = width[row][col];
// 向上扩展行
for (int up_row = row; up_row >= 0; up_row--) {
int height = row - up_row + 1;
// 找最小的数作为矩阵的宽
minWidth = Math.min(minWidth, width[up_row][col]);
// 更新面积
maxArea = Math.max(maxArea, height * minWidth);
}
}
}
return maxArea;
}
② 栈
- 要是阅读过 【数据结构与算法】之柱状图中最大矩形的求解思路和算法示例,再看下边的橙色的部分,是不是特别眼熟?
- 不难想到,求出每一层的 heights[] 然后传给上一题的函数就可以。
- Java 示例:
public int maximalRectangle(char[][] matrix) {
if (matrix.length == 0) {
return 0;
}
int[] heights = new int[matrix[0].length];
int maxArea = 0;
for (int row = 0; row < matrix.length; row++) {
// 遍历每一列,更新高度
for (int col = 0; col < matrix[0].length; col++) {
if (matrix[row][col] == '1') {
heights[col] += 1;
} else {
heights[col] = 0;
}
}
// 更新函数
maxArea = Math.max(maxArea, largestRectangleArea(heights));
}
return maxArea;
}
public int largestRectangleArea(int[] heights) {
int maxArea = 0;
Stack<Integer> stack = new Stack<>();
int p = 0;
while (p < heights.length) {
// 栈空入栈
if (stack.isEmpty()) {
stack.push(p);
p++;
} else {
int top = stack.peek();
// 当前高度大于栈顶,入栈
if (heights[p] >= heights[top]) {
stack.push(p);
p++;
} else {
// 保存栈顶高度
int height = heights[stack.pop()];
// 左边第一个小于当前柱子的下标
int leftLessMin = stack.isEmpty() ? -1 : stack.peek();
// 右边第一个小于当前柱子的下标
int RightLessMin = p;
// 计算面积
int area = (RightLessMin - leftLessMin - 1) * height;
maxArea = Math.max(area, maxArea);
}
}
}
while (!stack.isEmpty()) {
// 保存栈顶高度
int height = heights[stack.pop()];
// 左边第一个小于当前柱子的下标
int leftLessMin = stack.isEmpty() ? -1 : stack.peek();
// 右边没有小于当前高度的柱子,所以赋值为数组的长度便于计算
int RightLessMin = heights.length;
int area = (RightLessMin - leftLessMin - 1) * height;
maxArea = Math.max(area, maxArea);
}
return maxArea;
}
③ 动态规划
- 解法②中,更新一次 heights,就利用之前的算法,求一遍 leftLessMin [ ] 和 rightLessMin [ ],然后更新面积。而其实,求 leftLessMin [ ] 和 rightLessMin [ ] 可以利用之前的 leftLessMin [ ] 和 rightLessMin [ ] 来更新本次的。
- 回想一下 leftLessMin [ ] 和 rightLessMin [ ] 的含义, leftLessMin [ i ] 代表左边第一个比当前柱子矮的下标,如下图橙色柱子时当前遍历的柱子,rightLessMin [ ] 时右边第一个:
- left 和 right 是对称关系,下边只考虑 left 的求法。如下图,如果当前新增的层全部是 1,当然这时最完美的情况,那么 leftLessMin [ ] 根本不需要改变:
- 考虑最后一个柱子的更新,上一层的 leftLessMin = 1,也就是蓝色 0 的位置是第一个比它低的柱子。但是在当前层,由于中间出现了 0。所以不再是之前的 leftLessMin ,而是和上次出现 0 的位置进行比较(因为 0 一定比当前柱子小),谁的下标大,更接近当前柱子,就选择谁。上图中出现 0 的位置是 2,之前的 leftLessMin 是 1,选一个较大的,那就是 2 了。
- Java 示例:
public int maximalRectangle4(char[][] matrix) {
if (matrix.length == 0) {
return 0;
}
int maxArea = 0;
int cols = matrix[0].length;
int[] leftLessMin = new int[cols];
int[] rightLessMin = new int[cols];
// 初始化为 -1,也就是最左边
Arrays.fill(leftLessMin, -1);
// 初始化为 cols,也就是最右边
Arrays.fill(rightLessMin, cols);
int[] heights = new int[cols];
for (int row = 0; row < matrix.length; row++) {
// 更新所有高度
for (int col = 0; col < cols; col++) {
if (matrix[row][col] == '1') {
heights[col] += 1;
} else {
heights[col] = 0;
}
}
// 更新所有leftLessMin
int boundary = -1; // 记录上次出现 0 的位置
for (int col = 0; col < cols; col++) {
if (matrix[row][col] == '1') {
// 和上次出现 0 的位置比较
leftLessMin[col] = Math.max(leftLessMin[col], boundary);
} else {
// 当前是 0 代表当前高度是 0,所以初始化为 -1,防止对下次循环的影响
leftLessMin[col] = -1;
// 更新 0 的位置
boundary = col;
}
}
// 右边同理
boundary = cols;
for (int col = cols - 1; col >= 0; col--) {
if (matrix[row][col] == '1') {
rightLessMin[col] = Math.min(rightLessMin[col], boundary);
} else {
rightLessMin[col] = cols;
boundary = col;
}
}
// 更新所有面积
for (int col = cols - 1; col >= 0; col--) {
int area = (rightLessMin[col] - leftLessMin[col] - 1) * heights[col];
maxArea = Math.max(area, maxArea);
}
}
return maxArea;
}
这篇关于【数据结构与算法】之深入解析“最大矩形”的求解思路和算法示例的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!