Java 算法-最大矩形(动态规划)

  不说废话了,直接贴题

题意

给你一个二维矩阵,权值为False和True,找到一个最大的矩形,使得里面的
值全部为True,输出它的面积

样例

给你一个矩阵如下

[
  [1, 1, 0, 0, 1],
  [0, 1, 0, 0, 1],
  [0, 0, 1, 1, 1],
  [0, 0, 1, 1, 1],
  [0, 0, 0, 0, 1]
]
输出6

1.建立模型

  这个题如果直接来解决的话,可能有很大的难度,所以,我们必须先建立模型。
  首先我们来看一个题,是LeetCode上:

题意

Given n non-negative integers representing the histogram's bar height where the width of each bar is 1, find 
the area of largest rectangle in the histogram.

《Java 算法-最大矩形(动态规划)》

Above is a histogram where width of each bar is 1, given height = [2,1,5,6,2,3].

《Java 算法-最大矩形(动态规划)》

样例

For example,
Given heights = [2,1,5,6,2,3],
return 10.

(1).暴力解法

  这个题暴力解法非常的简单,就是遍历数组,向前和向后计算当前柱状图能够构成的最大矩形。至于解法这里不详述,我们的目的引出另一个方法。

(2).栈法

  解题思路:首先我们将第一个柱状图在数组里面的下标(之后称为下标)压栈,之后的柱状图需要我们来判断是否需要压栈。如果新的柱状图高度大于栈顶柱状图的高度,那么就当前这个柱状图的下标压栈;如果小于的话,那么我们可以计算当前栈顶及其之前的柱状图面积,于是,我们将栈顶的下标pop出来,计算它的面积。
  pop之后,我们再次判断当前的栈顶的高度是否大于新柱状图的高度,如果大于,则压栈;反之,则计算面积,这里计算面积的时候需要注意的是:计算pop出来的柱状图的面积(从pop出来的柱状图到新的柱状图,不包含新的柱状图,因为新的柱状图的高度小于当前pop出来的高度)高度等于它本身的高度,而宽度则是当前的新的柱状图的下标-pop出来的之后的栈顶的下标 – 1。
  为什么是这样呢?因为pop出来的之后的栈顶柱状图与pop出来的柱状图之间可能还有其他柱状图,只是在之前的操作被pop出去了,所以,这里需要这样计算宽度。
  如果理解了思路,那么代码就非常理解了

public int largestRectangleArea(int[] heights) {
        if (heights == null || heights.length == 0) {
            return 0;
        }
        Stack<Integer> stack = new Stack<>();
        //压入第一个柱状图的下标
        stack.push(0);
        int i = 1;
        int max = heights[0];
        //当i < heights.length 或者栈不为空时,这里之所以需要判断栈不为空,是因为
        //可能有些高度很小的柱状图,一直停留在栈中,没有机会pop出来计算面积,所以最后需要一一的pop出来
        //计算面积
        while (i < heights.length || (i == heights.length && !stack.isEmpty())) {
            //当当前的高度大于大于栈顶的高度或者栈为空时,将当前的下标压栈
            if (i < heights.length && (stack.isEmpty() || heights[stack.peek()] <= heights[i])) {
                stack.push(i);
                i++;
            } else { //计算面积
                int top = heights[stack.pop()]; //得到栈顶的高度
                //计算面积,当当前的栈为空时,直接是top * i(i里面已经包含了中间被pop出去的柱状图);不为空时,
                //则使用相对位置计算
                int currMax = !stack.isEmpty() ? (i - stack.peek() - 1) * top : top * i;
                //更新最大值
                max = Math.max(max, currMax);
            }
        }
        return max;
    }

2.利用模型解决问题

  现在回到我们要解决的问题上去,我们利用类似于上面的方法来解决,将数组转换:

0 0 1 1 0 -> 0 0 1 1 0
0 0 1 1 0 -> 0 0 2 2 0
1 1 0 0 0 -> 1 1 0 0 0
1 1 1 0 0 -> 2 2 1 0 0

  需要注意的是,转换的规则是:每行的遍历,如果当前位置(假设nums[i][j])为true,那么dp[i]j = dp[i – 1][j – 1];反之,如果为false,则置为0。当i = 0时,另当别论。
  数组转换成功之后,我们只需要计算每一行的最大矩形面积,其中dp数组中0,1,2之类的表示的这个矩形的高度,当每一行的最大矩形都计算出来之后,取得最大值自然是最终的答案

public int maximalRectangle(boolean[][] matrix) {
        if (matrix == null || matrix[0].length == 0) {
            return 0;
        }
        //转换之后的数组
        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 (i == 0) {
                    //i = 0的情况
                    dp[i][j] = matrix[i][j] ? 1 : 0;
                } else {
                    //不等于0
                    dp[i][j] = matrix[i][j] ? dp[i - 1][j] + 1 : 0;
                }
            }
        }
        int max = 0;
        //遍历每一行
        for (int i = 0; i < matrix.length; i++) {
            //取得每一行的最大值
            int temp = findRowMax(dp[i]);
            //更新最大值
            max = Math.max(max, temp);
        }
        return max;
    }

    private int findRowMax(int[] heights) {
        if (heights.length == 0) {
            return 0;
        }
        Stack<Integer> stack = new Stack<>();
        stack.push(heights[0]);
        int i = 1;
        int max = heights[0];
        while (i < heights.length || (i == heights.length && !stack.isEmpty())) {
            if (i < heights.length && (stack.isEmpty() || heights[i] >= heights[stack.peek()])) {
                stack.push(i);
                i++;
            } else {
                int height = heights[stack.pop()];
                int currMax = !stack.isEmpty() ? (i - stack.peek() - 1) * height : height * i;
                max = Math.max(currMax, max);
            }
        }
        return max;
    }
    原文作者:琼珶和予
    原文地址: https://www.jianshu.com/p/6ca9a92be077
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞