Leetcode算法题之152. Maximum Product Subarray（Medium）【Python3题解】

题目描述：
Given an integer array nums, find the contiguous subarray within an array (containing at least one number) which has the largest product.

Example 1:

Input: [2,3,-2,4]
Output: 6
Explanation: [2,3] has the largest product 6.

Example 2:

Input: [-2,0,-1]
Output: 0
Explanation: The result cannot be 2, because [-2,-1] is not a subarray.

题目大意：

• 如题目所示，相乘最大的子数组，给定你一个数组，让你找出子数组相乘最大的值
• 然后返回那个最大值

解题思路：

• 声明：此题为动态规划标签下，下面上动规
• Step1：确定dp table含义，既然题目如此，dp table含义也就相对明确了，就是dp[i]的值代表着以第i个数结尾的子数组的乘积最大值
• 接下来如果能找到一个递推关系，用dp table的前一个数值可以推出下一个数值，那么大功告成了，直接填表即可，最后返回一下dp table 的最大值，即为答案
• 但是此题不同于之前的一道标签为easy的最大子数组加和的那道题，见链接：LeetCode算法题之53. Maximum Subarray（easy）【Python3动态规划题解】
• 因为本人试了很多种想法，发现这个相乘与相加不一样，如果按照上述dp table 的定义方法，貌似每个位置的最大相乘值与前一个没啥关系，这个递推关系很难找到，主要原因还是给定数组里面有负数在捣乱
• 所以dp table 的定义得改，因为这个相乘啊，前一个数乘以后一个数的值，与这个后一个数的值的大小，只有两种可能，不是它大就是它大，当然相等是不影响下面分析的
• 但是重点是，虽然当前有一个数会小，但是不代表那个小的数，在乘以它下一个数时候，也还是小，举个例子：[-2, 3, -4]，最大乘积值是多少？24啊，但是在3那个位置时候，前面-2 x 3=-6，与3相比，3大，但是，-6 x -4=24，比3 x -4=-12，要大，这就是上面那一堆说的意思
• 所以，这个dp table 得这样定义，dp[i][0]与dp[i][0]分别代表前一个数乘以后一个数的暂时小的值和暂时大的值，然后在另外设置一个变量，用来记录每个位置上最大的那个乘积值，这样遍历一次，就找到了那个答案，时间复杂度O（n）
• 看代码，一目了然

少废话，上代码：

class Solution:
    def maxProduct(self, nums):
        # 定义dp table，并初始化
        dp = [[nums[0], nums[0]] for i in range(len(nums))]
        # 初始化最大值变量，假设就是第一个
        max_value = nums[0]

        # 从第二个数开始遍历，依次计算每个位置上的乘积
        for i in range(1, len(nums)):
            # 下面就是递推公式，因为每次需要记录两个数
            # 这一次的小数，也就是dp[i][0],未必在下一次的乘积中小
            # 这一次的大数，dp[i][1],也是同理
            # 所以都要计算，且记录
            dp[i][0] = min(nums[i], dp[i-1][0]*nums[i], dp[i-1][1]*nums[i])
            dp[i][1] = max(nums[i], dp[i-1][0]*nums[i], dp[i-1][1]*nums[i])
            # 记录一下每次最大的值
            max_value = max(max_value, max(dp[i]))

        return max_value

运行时间和内存占用：

• Runtime: 64 ms, faster than 28.30% of Python3 online submissions for Maximum Product Subarray.
• Memory Usage: 16.3 MB, less than 6.90% of Python3 online submissions for Maximum Product Subarray.