Find the contiguous subarray within an array (containing at least one number) which has the largest product.
For example, given the array [2,3,-2,4]
,
the contiguous subarray [2,3]
has the largest product = 6
.
题目意思就是求一个连续子数组,其乘积最大。
看到这里,二话不说,先暴力求解
public int maxProduct(int[] nums) {
int maxs=nums[0];
int[][] DP=new int[nums.length][nums.length];
for(int i=0;i<nums.length;i++)
for(int j=i;j<nums.length;j++){
if(i==j) DP[i][j]=nums[j];
else DP[i][j]=DP[i][j-1]*nums[j];
maxs=Math.max(DP[i][j],maxs);
}
return maxs;
}
复杂度为O(n²),然后就。。。。。超时了。
那么研究下题目,不难发现可以动态规划求解,由于是连续的子数组,那么可以设DP[n]为以第n个元素结尾的子数组最大乘积,得到状态方程如下:
DP[n]=max(DP[n-1]*nums[n],nums[n]);
边界为 DP[0]=nums[0]; 然后结果就是求DP[0~n]的最大值了。
其实,到这里题目只解了一半,由于乘积有一种特殊情况----负负得正。比如例子【2,-5,-2】,如果用上面的状态方程,得到的DP数组为 【2,-5,10】
显然不对。那么状态方程需要改进为考虑负值的情况,不难发现,只有当负值越大,两负数得到的乘积越大,那么,我们记录MDP[n]为以第n个元素结尾的子数组最小乘积。
DP[n]=max(max(DP[n-1]*nums[n],nums[n]),MDP[n-1]*nums[n]);
MDP[n]=min(min(DP[n-1]*nums[n],nums[n]),MDP[n-1]*nums[n]);
最终代码如下,复杂度为O(n),为了方便大家理解上面用了两个一维数组,实际上每次循环都只用了DP[n-1]和MDP[n-1]的数据,可以优化为用一个变量保存。
public int maxProduct(int[] nums) {
int maxs=nums[0];
int[] DP=new int[nums.length];
int minx=nums[0];
for(int i=0;i<nums.length;i++){
if(i==0) DP[i]=nums[0];
else{
DP[i]=Math.max(Math.max(DP[i-1]*nums[i],nums[i]),minx*nums[i]);
minx=Math.min(Math.min(DP[i-1]*nums[i],nums[i]),minx*nums[i]);
}
maxs=Math.max(DP[i],maxs);
}
return maxs;
}