最大正方形 暴力+动态规划

题目：

　　

 思路：

　　1 暴力 ： 从每一个单元格出发 每次在下方 右方 新作一行一列进行判断是否满足条件

　　2 动态规划 ：  

　　　　dp[i][j]由其上方、左方和左上方的三个相邻位置的dp值决定

　　　　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

　　　　根据题目分析状态转移方程：

　　　　dp(i, j)=min(dp(i−1, j), dp(i−1, j−1), dp(i, j−1))+1

---

（一）代码  暴力

class Solution {

    public int maxSide = 0;

    public int maximalSquare(char[][] matrix) {

        //最大正方形，遍历每一个单元格，从每一个单元格 向下 向上 斜向下
        for(int i = 0 ; i < matrix.length ; i++){
            for(int j = 0 ; j < matrix[0].length ; j++){
                if(matrix[i][j] == '1'){
                    getMaxNum(i,j,matrix);
                }
            }
        }
        return maxSide * maxSide;
    }

    public void getMaxNum(int x, int y , char[][] matrix){

        // 遇到一个 1 作为正方形的左上角
        maxSide = Math.max(maxSide, 1);
        // 计算可能的最大正方形边长
        int currentMaxSide = Math.min(matrix.length - x, matrix[0].length - y);
        for (int k = 1; k < currentMaxSide; k++) {
            // 判断新增的一行一列是否均为 1
            boolean flag = true;
            if (matrix[x + k][y + k] == '0') {
                break;
            }

            //这块 important  注意复习
            for (int m = 0; m < k; m++) {
                if (matrix[x + k][y + m] == '0' || matrix[x + m][y + k] == '0') {
                    flag = false;
                    break;
                }
            }
　　　　　　　

            if (flag) {
                maxSide = Math.max(maxSide, k + 1);
            } else {
                break;
            }
        }

    }
}

---

（二）动态规划  还是用算法  写起来爽   慢慢练吧 

class Solution {

    public int maximalSquare(char[][] matrix) {

        int max = 0;
        if(matrix == null || matrix.length == 0 || matrix[0].length == 0){
            return max;
        }
        //动态规划
        //分析状态转移方程为 dp[i][j] = min(dp[i-1][j-1],dp[i-1][j] + d[i][j-1]) + 1
        //注意在for中初始化dp[i][j] 含有0的下标 内容为1
        int[][] dp = new int[matrix.length][matrix[0].length];
        for(int i = 0 ; i < matrix.length ; i++){
            for(int j = 0 ; j < matrix[0].length ;j++){
                if(matrix[i][j] == '1'){
                    //最左上方的 i ==0 || j == 0 初始化为1
                    if(i == 0 || j == 0){
                        dp[i][j] = 1;
                    }else{
                        dp[i][j] = Math.min(Math.min(dp[i-1][j],dp[i][j-1]),dp[i-1][j-1]) + 1;
                    }
                    max = Math.max(max,dp[i][j]);
                }
            }
        }
        return max * max;
    }
}

---

　　　　　　　　路在何方