LeetCode 1277. 统计全为 1 的正方形子矩阵【动态规划】1613

news2024/11/23 12:45:59

本文属于「征服LeetCode」系列文章之一，这一系列正式开始于2021/08/12。由于LeetCode上部分题目有锁，本系列将至少持续到刷完所有无锁题之日为止；由于LeetCode还在不断地创建新题，本系列的终止日期可能是永远。在这一系列刷题文章中，我不仅会讲解多种解题思路及其优化，还会用多种编程语言实现题解，涉及到通用解法时更将归纳总结出相应的算法模板。

为了方便在PC上运行调试、分享代码文件，我还建立了相关的仓库：https://github.com/memcpy0/LeetCode-Conquest。在这一仓库中，你不仅可以看到LeetCode原题链接、题解代码、题解文章链接、同类题目归纳、通用解法总结等，还可以看到原题出现频率和相关企业等重要信息。如果有其他优选题解，还可以一同分享给他人。

由于本系列文章的内容随时可能发生更新变动，欢迎关注和收藏征服LeetCode系列文章目录一文以作备忘。

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。

示例 1：

输入：matrix =
[
  [0,1,1,1],
  [1,1,1,1],
  [0,1,1,1]
]
输出：15
解释：
边长为 1 的正方形有 10 个。
边长为 2 的正方形有 4 个。
边长为 3 的正方形有 1 个。
正方形的总数 = 10 + 4 + 1 = 15.

示例 2：

输入：matrix = 
[
  [1,0,1],
  [1,1,0],
  [1,1,0]
]
输出：7
解释：
边长为 1 的正方形有 6 个。 
边长为 2 的正方形有 1 个。
正方形的总数 = 6 + 1 = 7.

提示：

1 <= arr.length <= 300
1 <= arr[0].length <= 300
0 <= arr[i][j] <= 1

解法动态规划/递推（最优）

本题和 221. 最大正方形 非常类似，使用的方法也几乎相同。

我们用 $d p [i] [j]$ 表示以 $(i, j)$ 为右下角的正方形的最大边长，那么除此定义之外， $d p [i] [j] = x$ 也表示以 $(i, j)$ 为右下角的正方形的数目为 $x$ （即边长为 $1, 2, ..., x$ 的正方形各一个）。在计算出所有的 $d p [i] [j]$ 后，我们将它们进行累加，就可以得到矩阵中正方形的数目。

我们尝试挖掘 $d p [i] [j]$ 与相邻位置的关系来计算出 $d p [i] [j]$ 的值。

如上图所示，若对于位置 $(i, j)$ 有 $d p [i] [j] = 4$ ，我们将以 $(i, j)$ 为右下角、边长为 $4$ 的正方形涂上色，可以发现其左侧位置 $(i, j - 1)$ ，上方位置 $(i - 1, j)$ 和左上位置 $(i - 1, j - 1)$ 均可以作为一个边长为 $4 - 1 = 3$ 的正方形的右下角。也就是说，这些位置的的 $d p$ 值至少为 $3$ ，即：

dp[i][j - 1] >= dp[i][j] - 1
dp[i - 1][j] >= dp[i][j] - 1
dp[i - 1][j - 1] >= dp[i][j] - 1

将这三个不等式联立，可以得到：
$\min\big(dp[i][j - 1],\ dp[i - 1][j],\ dp[i - 1][j - 1]\big) \geq dp[i][j] - 1$

这是我们通过固定 $d p [i] [j]$ 的值，判断其相邻位置与之的关系得到的不等式。同理，我们也可以固定 $d p [i] [j]$ 相邻位置的值，得到另外的限制条件。

如上图所示，假设 $d p [i] [j - 1]$ ， $d p [i - 1] [j]$ 和 $d p [i - 1] [j - 1]$ 中的最小值为 $3$ ，也就是说， $(i, j - 1)$ ， $(i - 1, j)$ 和 $(i - 1, j - 1)$ 均可以作为一个边长为 $3$ 的正方形的右下角。我们将这些边长为 $3$ 的正方形依次涂上色，可以发现，如果位置 $(i, j)$ 的元素为 $1$ ，那么它可以作为一个边长为 $4$ 的正方形的右下角， $d p$ 值至少为 $4$ ，即：
$\geq \min\big(f[i][j - 1], f[i - 1][j], f[i - 1][j - 1]\big) + 1$
将其与上一个不等式联立，可以得到：
$\min\big(dp[i][j - 1], dp[i - 1][j], dp[i - 1][j - 1]\big) + 1$
这样我们就得到了 $d p [i] [j]$ 的递推式。此外还要考虑边界（ $i = 0$ 或 $j = 0$ ）以及位置 $(i, j)$ 的元素为 $0$ 的情况。

我们按照行优先的顺序依次计算 $d p [i] [j]$ 的值，就可以得到最终的答案。

class Solution {
public:
    int countSquares(vector<vector<int>>& matrix) {
        int m = matrix.size(), n = matrix[0].size();
        vector<vector<int>> dp(m + 1, vector<int>(n + 1));
        int ans = 0;
        for (int i = 0; i < m; ++i) {
            for (int j = 0; j < n; ++j) {
                if (matrix[i][j] == 1) {
                    dp[i + 1][j + 1] = 1 + 
                        min(dp[i][j], 
                            min(dp[i][j + 1], dp[i + 1][j]));
                    ans += dp[i + 1][j + 1];
                }
            }
        }
        return ans;
    }
};

由于递推式中 $d p [i] [j]$ 只与本行和上一行的若干个值有关，因此空间复杂度可以优化至 $O (N)$ 。

class Solution {
public:
    int countSquares(vector<vector<int>>& matrix) {
        int m = matrix.size(), n = matrix[0].size();
        vector<int> dp(n + 1);
        int ans = 0;
        int pre = 0, temp = 0;
        for (int i = 0; i < m; ++i) {
            for (int j = 0; j < n; ++j) {
                if (matrix[i][j] == 1) {
                    temp = dp[j + 1];
                    dp[j + 1] = 1 + 
                        min(pre, 
                            min(dp[j + 1], dp[j]));
                    pre = temp; // pre为dp[i][j]
                    ans += dp[j + 1];
                } else pre = dp[j + 1], dp[j + 1] = 0; // 注意此时也要记录dp[i][j],并更新dp[i+1][j+1]
            }
        }
        return ans;
    }
};