Leetcode动态规划笔记2 乘积最大子数组

乘积最大子数组：动态规划与其空间复杂度优化

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。

 动态规划解法：

找到符合条件的（乘积最大）连续子数组，容易想到使用 dp 数组存储 nums 数组各个位置对应的最大乘积的值，根据上一个位置 dp 数组的值与当前位置 nums 数组的值，取最大得到当前位置 dp 数组的值，程序如下：

class Solution {
public:
    int maxProduct(vector<int>& nums) {
        vector<int> dp(nums.size(), 0);
        dp[0] = nums[0];
        int ans = dp[0];
        for(int i = 1; i < nums.size(); i++){
            dp[i] = max(dp[i - 1] * nums[i], nums[i]);
            ans = max(dp[i], ans);
        }
        return ans;
    }
};

然而，这种方法忽略了最大乘积子数组中包含偶数个负数的情况。例如，输入 nums = [-2, 3, -4]，dp[2] = 6，但实际上 dp[2] 应当为 24。所以当前位置 dp 数组的值并不单独由前一个位置 dp 数组的值推导得出。若输入数组中的元素均为非负数，则不存在该问题。

需要对 nums[i] 以及 dp[i] 为负数的情况进行讨论。我们的目标是找到最大的乘积子数组，需要对如下的三种情况进行比较：

（1）前一个位置 dp 数组值为正，当前位置 nums 数组值为正，计算得到 dp[i - 1] * nums[i]；（2）前一个位置 dp 数组值为负，当前位置 nums 数组值为负，计算得到 dp[i - 1] * nums[i]；（3）当前的 nums 数组的值 nums[i]。

之前的程序仅考虑了（1）与（3），而没有考虑（2）。对于第二种情况，我们需要额外记录当前位置之前最小的 dp 数组值，这样在当前 nums 数组值为负时，dp[i - 1] * nums[i] 有可能成为最大的乘积。最后再将这三个值进行比较，用三者最大值更新 answer与最大乘积，用三者最小值更新最小乘积。

class Solution {
public:
    int maxProduct(vector<int>& nums) {
        vector<int> dp_max(nums.size(), 0);
        vector<int> dp_min(nums.size(), 0);
        dp_max[0] = nums[0];
        dp_min[0] = nums[0];
        int ans = dp_max[0];
        for(int i = 1; i < nums.size(); i++){
            dp_max[i] = max(dp_max[i - 1] * nums[i], max(dp_min[i - 1] * nums[i], nums[i]));
            dp_min[i] = min(dp_max[i - 1] * nums[i], min(dp_min[i - 1] * nums[i], nums[i]));
            ans = max(dp_max[i], ans);
        }
        return ans;
    }
};

进一步的空间优化：定义两个 dp 数组需要消耗的额外空间较多。可以发现，遍历过程中，位置 i 的记录最大与最小乘积的 dp 数组以及 ans 的更新都只与 i - 1 位置的相应值有关，因此可以使用两个 int 代替 vector<int> 实现相同的效果。

class Solution {
public:
    int maxProduct(vector<int>& nums) {
        int dp_max = nums[0], dp_min = nums[0];
        int ans = dp_max;
        for(int i = 1; i < nums.size(); i++){
            int cur_max = dp_max, cur_min = dp_min;
            dp_max = max(cur_max * nums[i], max(cur_min * nums[i], nums[i]));
            dp_min = min(cur_max * nums[i], min(cur_min * nums[i], nums[i]));
            ans = max(dp_max, ans);
        }
        return ans;
    }
};

需要注意的是，最大最小乘积的值 dp_max 与 dp_min 的更新是互相影响的，所以在每个循环过程中，使用两个额外的变量 cur_max 与 cur_min 对二者进行记录，再使用 cur_max 与 cur_min 进行更新，避免在 dp_max 更新之后，dp_min 的由于使用新的 dp_max 进行更新而出错。