【动态规划Ⅴ】二维数组的动态规划——0/1矩阵、最大正方形

二维数组的动态规划——0/1矩阵、最大正方形

  • 最大正方形
    • 1277. 统计全为 1 的正方形子矩阵
    • 221. 最大正方形
  • 01矩阵
    • 542. 01 矩阵

最大正方形

下面两个题目是非常相似的,只是一个统计正方形数目,一个统计最大正方形的面积。

1277. 统计全为 1 的正方形子矩阵

1277. 统计全为 1 的正方形子矩阵

给你一个 m * n 的矩阵,矩阵中的元素不是 0 就是 1,请你统计并返回其中完全由 1 组成的 正方形 子矩阵的个数。

首先,如果矩阵matrix[i][j] = 1,那么就是一个大小为1的正方形。假设用二维数组dp进行统计,dp[i][j]即以matrix[i][j]为右下顶点的全是1组成的正方形的个数【其实也是以matrix[i][j]为右下点的全是由1组成的正方形的最大边长,最大正方形】。
我们从大小为1的正方形开始,要解决的问题是这个正方形如何扩大?根据官方题解中的图,很好理解,dp[i][j]与其上面、左边和左上三个角,且由其中最小的一个决定,即dp[i][j] = min(dp[i-1][j], dp[i][j-1], dp[i-1][j-1]) + 1, matrix[i][j] +1
在这里插入图片描述
可以先处理第一列和第一行,只要matrix[i][j]为1,dp[i][j]就等于1,同时统计的正方形子矩阵数量+1。完整java代码如下:

class Solution {public int countSquares(int[][] matrix) {int rows = matrix.length, cols = matrix[0].length;int[][] count = new int[rows][cols];int sum = 0;//单独处理for(int i = 0; i < cols; i++){count[0][i] = matrix[0][i];sum += count[0][i];}//单独处理第一列for(int i =1; i< rows; i++){count[i][0] = matrix[i][0];sum += count[i][0];}for(int i = 1; i < rows; i++)for(int j = 1; j < cols; j++){if(matrix[i][j] == 0)count[i][j] = 0;elsecount[i][j] = minSan(count[i-1][j-1], count[i-1][j] , count[i][j-1]) + 1;sum += count[i][j];}return sum;}//单独写了一个函数判断三者中的最小值//实际用min(a,min(b,c))是一样的public int minSan(int a, int b ,int c){int minCur;if(a < b)minCur = a;elseminCur = b;if(minCur> c)minCur = c;return minCur;}
}

221. 最大正方形

221. 最大正方形

在一个由 ‘0’ 和 ‘1’ 组成的二维矩阵内,找到只包含 ‘1’最大正方形,并返回其面积。

这个题目和上面是类似的,上面的dp[i][j]是以matrix[i][j]为右下角的,全部由1组成的正方形的数量,其实也就是以matrix[i][j]为右下角的正方形的最大边长。只是这个题目找的是dp[i][j]中的最大值。 需要注意的是,这个题目中matrix[i][j]是char类型的,是’0’'1’字符而不是数字。
完整java代码如下:

class Solution {public int maximalSquare(char[][] matrix) {int ansMax = 0;int rows = matrix.length, cols = matrix[0].length;int[][] count = new int[rows][cols];for(int i = 0; i < rows; i++){for(int j = 0; j < cols; j++){//第一行和第一列,特殊情况if( i == 0 || j == 0)//'0'的ASCII码对应48count[i][j] = matrix[i][j] - 48;                 else if(matrix[i][j] == '0')count[i][j] = 0;elsecount[i][j] = Math.min(Math.min(count[i-1][j-1],count[i-1][j]),count[i][j-1]) + 1;//更新dp[i][j]的同时,更新ansMax,记录最大的正方形面积ansMax = ansMax > count[i][j] ? ansMax : count[i][j];}}  //返回的是面积     return ansMax*ansMax;}
}

01矩阵

542. 01 矩阵

542. 01 矩阵

给定一个由 0 和 1 组成的矩阵 mat ,请输出一个大小相同的矩阵,其中每一个格子是 mat 中对应位置元素到最近的 0 的距离。
两个相邻元素间的距离为 1 。

理解题意,是要我们找mat[i][j]离其周围的最近的0的距离,这里的周围是四个方向,上边[i-1][j]、下边[i+1][j]、左边[i][j-1]、右边[i][j+1]。如果用dp[i][j]记录这个最近距离,相当于dp[i][j] = min( dp[i-1][j], dp[i+1][j], dp[i][j-1], dp[i][j+1]) + 1
这个题要结果的问题是如何更新这个dp?遍历(逐个更新其元素)一个二维数组需要两成循环,横纵坐标能够表示两个遍历方向,我们需要四个,那么进行两次遍历更新,一个往左下,一个往右上【当然这里选择右下和左上的方向一样的】。代码如下:

class Solution {public int[][] updateMatrix(int[][] mat) {int rows = mat.length, cols = mat[0].length;int[][] distance = new int[rows][cols];for (int i = 0; i < rows; ++i) {// 因为后续是求dp[i][j]的最小情况,先赋一个较大值Arrays.fill(distance[i], rows + cols + 1);}//如果mat[i][j] = 0,那么dp[i][j]自然也等于0for(int i = 0; i < rows; i++)for(int j = 0; j < cols; j++){if(mat[i][j] == 0)distance[i][j] =0;}//往左下的方向更新dpfor(int i = 0; i < rows; i++){for(int j = 0; j < cols; j++){if(i > 0)distance[i][j] = Math.min(distance[i][j], distance[i-1][j] + 1);if(j > 0)distance[i][j] = Math.min(distance[i][j], distance[i][j-1] + 1);}}//往右上的方向更新dpfor(int i = rows - 1; i >= 0; i--){for(int j = cols - 1; j >= 0; j--){if(i < rows - 1)distance[i][j] = Math.min(distance[i][j], distance[i+1][j] +1 );if(j < cols - 1)distance[i][j] = Math.min(distance[i][j], distance[i][j+1] + 1);}}return distance;}
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/43776.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

打卡第7天-----哈希表

继续坚持✊,我现在看到leetcode上的题不再没有思路了,真的是思路决定出路,在做题之前一定要把思路梳理清楚。 一、四数相加 leetcode题目编号:第454题.四数相加II 题目描述: 给定四个包含整数的数组列表 A , B , C , D ,计算有多少个元组 (i, j, k, l) ,使得 A[i] + B[j…

RoPE旋转位置编码从复数到欧拉公式

第二部分 从复数到欧拉公式 先复习下复数的一些关键概念 我们一般用表示复数&#xff0c;实数a叫做复数的实部&#xff0c;实数b叫做复数的虚部 复数的辐角是指复数在复平面上对应的向量和正向实数轴所成的有向角 的共轭复数定义为&#xff1a;&#xff0c;也可记作&#xff0…

AI发展的新方向:从卷模型到卷应用

在2024年7月4日于上海世博中心举办的世界人工智能大会暨人工智能全球治理高级别会议全体会议上&#xff0c;百度创始人、董事长兼首席执行官李彦宏发表了一段引人深思的演讲。他在产业发展主论坛上提出&#xff1a;“大家不要卷模型&#xff0c;要卷应用&#xff01;”这句话道…

对象存储-MinIO-学习-01-安装部署

目录 一、介绍 二、环境信息 三、下载安装包 1、MinIO官网下载地址 2、选择版本 &#xff08;1&#xff09;MinIO Server &#xff08;2&#xff09;MinIO Client &#xff08;3&#xff09;MinIO SDK 四、MinIO SDK安装步骤 1、安装minio库 2、导入minio库报错&…

docker笔记1

docker笔记1 一、为什么要学docker?二、docker是什么三、docker安装 一、为什么要学docker? 在过去&#xff0c;开发人员编写的代码在不同的环境中运行时常常面临一些问题&#xff0c;例如“在我的机器上可以运行&#xff0c;但在你的机器上却不行”的情况。这种问题部分原因…

2024全网最全面及最新且最为详细的网络安全技巧五 之 SSRF 漏洞EXP技巧,典例分析以及 如何修复 (下册)———— 作者:LJS

五.SSRF 漏洞EXP技巧&#xff0c;典例分析以及 如何修复 (下册) 目录 五.SSRF 漏洞EXP技巧&#xff0c;典例分析以及 如何修复 (下册) 5.4gopher 协议初探 0x01 Gopher协议 0x02 协议访问学习 复现环境 centos7 kali 2018 发送http get请求 发送http post请求 5.5 SSRF…

isaac sim 与 WLS2 ros2实现通信

Omniverse以及isaac还是windows下使用顺手一点&#xff0c;但是做跟ros相关的开发时候&#xff0c;基本就得迁移到ubuntu下了&#xff0c;windows下ros安装还是过于复杂&#xff0c;那不想用双系统或者ubuntu或者虚拟机&#xff0c;有啥别的好方法呢&#xff1f;这里想到了wind…

安全求交集PSI

安全求交集定义 求交集的PSI&#xff1a;交集可以被两方看见或其中一方看见&#xff0c;非交集进行保护有两方的PSI半诚实的PSI&#xff1a;攻击者要严格遵守协议&#xff0c;在此基础上得到他人的秘密是做不到的 Two-Party Semi-Honest PSI 挑战一&#xff1a;隐藏非交集元素…

软件测试之冒烟测试

&#x1f345; 视频学习&#xff1a;文末有免费的配套视频可观看 &#x1f345; 点击文末小卡片&#xff0c;免费获取软件测试全套资料&#xff0c;资料在手&#xff0c;涨薪更快 1. 核心 冒烟测试就是完成一个新版本的开发后&#xff0c;对该版本最基本的功能进行测试&#x…

使用树莓派进行python开发,控制电机的参考资料

网站连接&#xff1a;https://www.cnblogs.com/kevenduan?page1 1、简洁的过程步骤&#xff0c; 2、有代码示例&#xff0c; 3、有注意事项&#xff0c;

Java PKI Programmer‘s Guide

一、PKI程序员指南概述 PKI Programmer’s Guide Overview Java认证路径API由一系列类和接口组成&#xff0c;用于创建、构建和验证认证路径。这些路径也被称作认证链。实现可以通过基于提供者的接口插入。 这个API基于密码服务提供者架构&#xff0c;这在《Java密码架构参考指…

硬件:CPU和GPU

一、CPU与GPU 二、提升CPU利用率&#xff1a;计组学过的 1、超线程一般是给不一样的任务的计算使用&#xff0c;而非在计算密集型工作中 2、Cpu一次可以计算一个线程&#xff0c;而gpu有多少个绿点一次就能计算多少个线程&#xff0c;Gpu比cpu快是因为gpu它的核多&#xff0c;…

electron src build

编译文档&#xff1a; 构建说明 | Electron 1 下载depot_tools &#xff08;1&#xff09;安装depot_tools用于获取 Chromium 及其依赖项的工具集&#xff1a;地址 WINDOWS Download the depot_tools bundle and extract it somewhere. (2)在 Windows 上&#xff0c;您需要…

小试牛刀--对称矩阵压缩存储

学习贺利坚老师对称矩阵压缩存储 数据结构实践——压缩存储的对称矩阵的运算_计算压缩存储对称矩阵 a 与向量 b 的乘积-CSDN博客 本人解析博客 矩阵存储和特殊矩阵的压缩存储_n阶对称矩阵压缩-CSDN博客 版本更新日志 V1.0: 对老师代码进行模仿 , 我进行名字优化, 思路代码注释 …

扩展任务1:完成页面的布局设计和美化

任务指导 1、参照下图&#xff0c;完成页面的布局和美化设计&#xff1a; 2、实现思路 例如可以通过修改Style样式的方式完成布局调整&#xff0c;具体页面显示样式&#xff0c;需要学生根据自己的喜好和设计自行完成&#xff0c;建议每个学生的页面尽量个性化设计&#xff0…

锅总反驳李彦宏说的“不要卷模型,要卷应用”

李彦宏的观点是大家不要卷模型&#xff0c;要卷应用&#xff0c;但我认为这种看法是荒谬的。以下是24条反驳李彦宏观点的论点和论据&#xff1a; 模型的准确性直接决定应用的质量和用户体验&#xff1a; 论据&#xff1a;在自然语言处理、计算机视觉等领域&#xff0c;模型的准…

【HTML入门】第六课 - 上标字、下标字和删除字

这一小节&#xff0c;我们说3个比较特殊的&#xff0c;用到的场景不多&#xff0c;但需要的时候绝对是有用处的。他们分别是上标字&#xff0c;下标字和删除字。 目录 1 上标字 2 下标字 3 删除字 4 学习HTML的一些问题 1 上标字 什么是上标字呢&#xff1f;你是否记得多少…

线程并发库复习

1.进行和线程 什么是进程&#xff1a;进程是内存分配的基本单位&#xff0c;它是程序执行时的一个实例&#xff0c;会被放到进程就绪队列&#xff0c;等进程调度器选择它&#xff0c;给它时间片&#xff0c;它才会运行。在java中启动进程&#xff0c;main&#xff0c;test&…

MySQL GROUP_CONCAT 函数详解与实战应用

提示&#xff1a;在需要将多个值组合成一个列表时&#xff0c;GROUP_CONCAT() 函数为 MySQL 提供了一种强大的方式来处理数据 文章目录 前言什么是 GROUP_CONCAT()基本语法 示例使用 GROUP_CONCAT()去除重复值排序结果 前言 提示&#xff1a;这里可以添加本文要记录的大概内容…

16:9横屏短视频素材库有哪些?横屏短视频素材网站分享

在这个视觉内容至关重要的时代&#xff0c;16:9横屏视频因其宽广的画面和优越的观赏体验&#xff0c;已经成为无数创作者和营销专家的首选格式。但要创造出吸引人的横屏视频&#xff0c;高质量的视频素材库是不可或缺的。不管你是资深视频制作人还是刚入行的新手&#xff0c;下…