最大子数组乘积

题目链接
动态规划的典型题目，这道题实际上是最大连续子数组和的一个进阶版本。这道题的难点在于，这里要同时构建两个辅助数组。
$f(n)$代表从区间$[0,n]$内，以n为结尾的最大乘积。与之相对的，$g(n)$代表从区间$[0,n]$内，以n为结尾的最小乘积

动态转移的方程是这样的
f ( n ) = m a x { f ( n − 1 ) × a [ n ] , a [ n ] , g ( n − 1 ) × a [ n ] } f(n)=max\{f(n-1)\times a[n],a[n],g(n-1)\times a[n]\} f(n)=max{f(n−1)×a[n],a[n],g(n−1)×a[n]} g ( n ) = m a x { f ( n − 1 ) × a [ n ] , a [ n ] , g ( n − 1 ) × a [ n ] } g(n)=max\{f(n-1)\times a[n],a[n],g(n-1)\times a[n]\} g(n)=max{f(n−1)×a[n],a[n],g(n−1)×a[n]}

这个算法实际上遍历一遍就能得出结果。虽然$f(n)$定义的是区间$[0,n]$的值，但是算法会自动判断$a[n]$与左侧的值相乘数值会不会增加，从而选择截断或者是延续。
当算法运行完毕后，$f(n)$实际上代表一小段包括$a[n]$的子区间的乘积最大值。

class Solution {

    int threemax(int a, int b, int c)
    {
        return max(a, max(b, c));
    }
    int threemin(int a, int b, int c)
    {
        return min(a, min(b, c));
    }
public:
    int maxProduct(vector<int>& nums) {
        int size = nums.size();
        if (size == 0)return 0;


        vector<long long>nummax(size, 1);
        vector<long long>nummin(size, 1);
        nummax[0] = nummin[0] = nums[0];

        for (int i = 1; i < size; i++)
        {
            nummax[i] = threemax(nummax[i - 1] * nums[i], nums[i], nummin[i - 1] * nums[i]);
            nummin[i] = threemin(nummax[i - 1] * nums[i], nums[i], nummin[i - 1] * nums[i]);
        }
        long long ans = -0x3f3f3f3f;

        for (int i = 0; i < size; i++)
        {
            ans = max(ans, nummax[i]);

        }



        return ans;

    }
};