Leetcode 53 152 最大子序和&乘积

本题可以通过动态规划建表，在O(N) 时间内解决。
表中的元素 $dp[i]$ 代表以第 $i$ 个数结尾的连续子数字的最大和。由于子数组是连续的，第 $i$ 个元素为结尾仅有两种，要么是其本身，要么是在前一个为元素结尾的基础上加上其本身，二者取最大值。因此可写出状态转移方程：$$dp[i]=max(dp[i]+nums[i],nums[i])$$附上代码：

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        vector<int> dp(nums.size(), nums[0]);
        int maximum = nums[0];

        for(int i=1; i<nums.size(); i++) {
            dp[i] = max(dp[i-1]+nums[i], nums[i]);
            maximum = max(maximum, dp[i]);
        }
        return maximum;
    }
};

下面一个题，把和换成了乘积。

可能一看这个题就会想到：哎，这不和刚才那个差不多，建表存储以第$i$个数为结尾的乘积较大值，统计输出最大值就完事了！
然而，这样做是完全不对的！！
在加法中，负数无论如何都只会对总和产生负面的影响，
而在乘法中，存在负负得正的情况。负数遇到新的负数乘积会变成更大的正数。
除dp建表之外，还可以使用两次遍历（正向遍历+反向遍历）解决该问题。

由于所有的数组都为整数，若不看正负只看绝对值的情况，每乘新的数字都不会使总乘积变小（0除外）即
若数组$nums$中不存在零，且负数的个数为偶数个时，将所有数相乘时得到最大值。
反之，若负数的个数为奇数，则在某一个负数的位置“切一刀”，两边的乘积较大的一个即为最大值。
’切一刀‘之后，最大值的取得总是从数组的两端开始乘起的，因此可以使用正反两次遍历累乘得到。
初始将 $current$ 设为1，不断与遇到的数字相乘，记录最大值。若遇到零，$current$ 设为1继续遍历。

附上代码：

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

        return maximum;
    }
};

另外一种较为传统的动态规划算法，用两个数组，分别记录了以第 $i$ 个数为结尾的乘积的最大值和最小值，用来应对负负得正的情况，状态转移方程为：
$$d{p}_{max}[i]=max(nums[i]\times d{p}_{max}[i-1],nums[i]\times d{p}_{min}[i],nums[i])$$ $$d{p}_{min}[i]=min(nums[i]\times d{p}_{max}[i-1],nums[i]\times d{p}_{min}[i-1],nums[i])$$附上代码：

class Solution {
public:
    int maxProduct(vector<int>& nums) {
        int maximum;
        vector<int> maxi(nums.size(), nums[0]);
        vector<int> mini(nums.size(), nums[0]);

        for(int i=1; i<nums.size(); i++) {
            
            maxi[i] = max(nums[i], nums[i]*maxi[i-1]);
            maxi[i] = max(maxi[i], mini[i-1]*nums[i]);

            mini[i] = min(nums[i], nums[i]*mini[i-1]);
            mini[i] = min(mini[i], maxi[i-1]*nums[i]);
        }

        return *max_element(maxi.begin(), maxi.end());
    }
};