原题
Given a 2D binary matrix filled with 0’s and 1’s, find the largest square containing only 1’s and return its area.
Example:
Input:
1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0
Output: 4
Reference Answer
思路分析
有两种方法，第一种就是对矩阵的每个位置求左上角以上所有元素的和，然后用所有可能构成的正方形的区域内进行面积计算，如果面积等于正方形边长的平方，说明是一个正方形，然后求最大面积。
第二种方法使用DP。设这个DP[i][j]数组为以i, j位置为右下角顶点的能够成的最大正方形的边长。数组如果是第一行或者第一列，显然dp和matrix相等。如果是其他位置，当matrix[i][j] = 1时，能够成的正方形等于左边、上边、左上能够成的正方形边长的最小值+1.为什么是最小值？因为只要存在一个0，那么就没法构成更大的正方形，这个是很保守的策略。
递推公式如下：
- dp[0][j] = matrix[0][j] (topmost row);
- dp[i][0] = matrix[i][0] (leftmost column);
- For i > 0 and j > 0: if matrix[i][j] = 0, dp[i][j] = 0; if matrix[i][j] = 1, dp[i][j] = min(dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1]) + 1.
时间复杂度是O(N2)，空间复杂度是O(N2)。
这道题开始想成用相成了依据LeetCode 200 求岛屿数量的回溯法求解了，在求解过程中，回溯策略采用从左上角开始，当发现元素为1之后，当
if row < len(matrix) - 1 and col < len(matrix[0]) - 1 and matrix[row + 1][col + 1] == '1' and matrix[row + 1][ col] == '1' and matrix[row][col + 1] == '1'进行判定，回溯return self.dfs(matrix, row + 1, col + 1) + 1；结果证明，这种方法不能判别：
Input:
0 0 0 1
1 1 0 1
1 1 1 1
0 1 1 1
0 1 1 1
Output: 16 (实际应该为9)
错误原因正是row = 1, col =1，也满足回溯条件，故而出错。最后看参考答案，这道题采用动态规划更容易做。（吃了没判定好使用动态规划与回溯的亏）
Input:
111
010
111
Output: 1（却被程序判别为2，因为把左下角当做一个独立岛屿看待了）
而当先对左上角、左下角与右上角进行设置后，依旧不满足，因为存在
Input:
11
Output: 1（却被程序判别为2，因为把右上角当做一个独立岛屿看待了）
最后，放弃动态规划，改用DFS。
Code
class Solution(object):
def maximalSquare(self, matrix):
"""
:type matrix: List[List[str]]
:rtype: int
"""
if not matrix: return 0
M = len(matrix)
N = len(matrix[0])
dp = [[0] * N for _ in range(M)]
for i in range(M):
dp[i][0] = int(matrix[i][0])
for j in range(N):
dp[0][j] = int(matrix[0][j])
for i in range(1, M):
for j in range(1, N):
if int(matrix[i][j]) == 1:
dp[i][j] = min(dp[i][j - 1], dp[i - 1][j], dp[i - 1][j - 1]) + 1
return max(map(max, dp)) ** 2
Note:
- 动态规划与DFS到底用哪个要仔细琢磨清楚！
max(map(max, dp))的使用，因为max函数无法直接作用到矩阵 dp 上，通过一个 map 映射，将max函数映射到dp元素上，得到一个迭代对象，再外套一个max函数，得到矩阵的最大值，使用方法很巧妙，值得借鉴（也可采用np.max()函数进行直接矩阵最大值求解）。
参考资料
[1] https://blog.csdn.net/fuxuemingzhu/article/details/82992233