题目描述： 在一个由 0 和 1 组成的二维矩阵内，找到只包含 1 的最大正方形，并返回其面积。
示例: 输入: 1 0 1 0 0 1 0 1 1 1 1 1 1 1 1 1 0 0 1 0 输出: 4 方法1：动态规划 主要思路： （1）该方法的实现比较简单，主要是能够理解动态转移公式：dp[i][j]=min(dp[i-1][j-1],min(dp[i-1][j],dp[i][j-1]))+1;其中dp[ i ][ j ]表示在以i-1，j-1处的字符为右下角时，可能组成的正方形的最大边长，则需要获得dp[i-1][j-1],dp[i-1][j],dp[i][j-1]三处中，最小值，相当于是这三处都能组成的正方行的最小值，这样这三个小的正方形叠加到一起，就是一个缺少了右下角的正方形，故加1就为当前位置的最大的正方形；
class Solution { public: int maximalSquare(vector<vector<char>>& matrix) { //处理特殊情形 if(matrix.empty()||matrix[0].empty()) return 0; //初始化动态数组 int rows=matrix.size(); int cols=matrix[0].size(); vector<vector<int>> dp(rows+1,vector<int>(cols+1,0)); int maxLength=0;//保存最大的边长 for(int i=1;i<=rows;++i){ for(int j=1;j<=cols;++j){ if(matrix[i-1][j-1]=='1'){//当前字符为'1'时，可能作为新的正方形的右下角 //获得当前正方形的最大边长 dp[i][j]=min(dp[i-1][j-1],min(dp[i-1][j],dp[i][j-1]))+1; maxLength=max(maxLength,dp[i][j]);//保存最大边长 } } } return maxLength*maxLength; } };