【动态规划】 LeetCode #152 乘积最大子数组

最新推荐文章于 2024-09-03 16:32:47 发布

Code_Yilia

最新推荐文章于 2024-09-03 16:32:47 发布

阅读量283

点赞数

分类专栏：动态规划 LeetCode LeetCode经典的前200道题文章标签： leetcode 算法 java 动态规划动态规划求解

本文链接：https://blog.csdn.net/Code_Yilia/article/details/106295759

版权

博客介绍了如何使用动态规划解决LeetCode上的#152题，即找到整数数组中乘积最大的连续子数组。通过分析，博主指出在处理负数时需要同时记录最大值和最小值。通过状态转移方程，优化算法，最后实现了空间复杂度为O(1)的解决方案。

摘要由CSDN通过智能技术生成

题目链接：

LeetCode #152 乘积最大子数组

题目描述：

#152. 乘积最大子数组

给你一个整数数组 nums ，请你找出数组中乘积最大的连续子数组（该子数组中至少包含一个数字），并返回该子数组所对应的乘积。

示例 1:

输入: [2,3,-2,4]
输出: 6
解释: 子数组 [2,3] 有最大乘积 6。
示例 2:

输入: [-2,0,-1]
输出: 0
解释: 结果不能为 2, 因为 [-2,-1] 不是子数组。

通过次数70,288 | 提交次数177,501

分析：

原来做过一个题，是求和最大子数组，所以一开始想的是这个题也设 dp[i] 为以 nums[i] 结尾的连续子数组相乘的最大值，但是在测试时会发现问题：

当两个负数中间夹着正数的时候，计算负数的最大值可能要用到前面的最小值，因为负负得正，如：[-3, 2, -5] 最大值应该是（-3）× 2 ×（-5）= 30。

所以我们要记录的不只是最大值，还要记录最小值。

动态规划，设 dp[i][j] 为以 nums[i] 结尾的连续子数组相乘的最大值和最小值， 即二维数组 dp[][] 只有两行，第一行记录最小值，第二行记录最大值。虽然我们记录了最大值和最小值，但是实际最终要求的是最大值，之所以记录最小值，只是针对两个负数之间有正数的情况，这种情况下最小值可能会摇身一变变为最大值。

状态转移方程式：（以 nums[i] 的正负分类讨论）

若 nums[i] = 0, 则 dp[i][0] = 0, dp[i][1] = 0

若 nums[i] > 0：(当前结尾元素为正数)

先分析最大值：(正数 × 正数才会大，去看上一个的最大值)
当 dp[i - 1][1] > 0 时，dp[i][1] = dp[i - 1][1] * nums[i]
否则，dp[i][1] = nums[i]

再来看最小值：(正数 × 负数才会小，去看上一个的最小值)
当 dp[i - 1][0] <= 0 时，dp[i][0] = dp[i - 1][0] * nums[i]

若 nums[i] < 0：(当前结尾元素为负数)

先分析最大值：（一个负数怎么才能尽可能大？乘上一个负数）
当 dp[i - 1][0] < 0, dp[i][1] = dp[i - 1][0] * nums[i]
否则，dp[i][1] = nums[i]

再来看最小值：
当 dp[i - 1][1] > 0, dp[i][0] = dp[i - 1][1] * nums[i]
否则，dp[i][0] = nums[i]

到此就全部分析完了，接下来把上述情况整理汇总一下：

最大值 dp[i][1] = max(dp[i - 1][0] * nums[i] , dp[i - 1][1] * nums[i], nums[i])

最小值 dp[i][0] = min(dp[i - 1][0] * nums[i], dp[i - 1][1] * nums[i], nums[i])

第一次提交：

提交结果：
在这里插入图片描述
代码：

/*
*动态规划，设 dp[i][j] 为以 nums[i] 结尾的连续子数组相乘的最大值和最小值
*即二维数组 dp[][] 只有两行，第一行记录最小值，第二行记录最大值
*虽然我们记录了最大值和最小值，但是实际最终要求的是最大值
*之所以记录最小值，只是针对两个负数之间有正数的情况
*这种情况下最小值可能会摇身一变变为最大值，如：[-3, 2, -5]
*若 nums[i] = 0, 则 dp[i][0] = 0, dp[i][1] = 0
*若 nums[i] > 0, 
*先分析最大值：当 dp[i - 1][1] > 0 时，dp[i][1] = dp[i - 1][1] * nums[i]
*                        否则，dp[i][1] = nums[i]
*再来看最小值：当 dp[i - 1][0] <= 0 时，dp[i][0] = dp[i - 1][0] * nums[i]
*                        否则，dp[i][0] = nums[i] 
*若 nums[i] < 0, 
*先分析最大值：一个负数怎么才能尽可能大？乘上一个负数
*                       当 dp[i - 1][0] < 0, dp[i][1] = dp[i - 1][0] * nums[i]
*                       否则，dp[i][1] = nums[i]
*再来看最小值：当 dp[i - 1][1] > 0, dp[i][0] = dp[i - 1][1] * nums[i]
*                         否则，dp[i][0] = nums[i]
*整理汇总一下：最大值 dp[i][1] = max(dp[i - 1][0] * nums[i] , dp[i - 1][1] * nums[i], nums[i])
*                       最小值 dp[i][0] = min(dp[i