leetcode - 152. Maximum Product Subarray

算法系列博客之Dynamic Programming

本篇博客将运用动态规划的思想来解决leetcode上152号问题

问题描述：

Find the contiguous subarray within an array (containing at least one number) which has the largest product.

For example, given the array [2,3,-2,4],
the contiguous subarray [2,3] has the largest product = 6.

找出最大连续子序列乘积的问题主要涉及到连续且可能有非正数，使得问题复杂
如果碰到0，就会发生截断，前面和后面毫不相干
如果碰到负数更为复杂，因为偶数个负数乘积为正数，也即是说不能截断

考虑前后依赖关系，尝试进行线性扫描，假定已扫描到第i个数，max为当前已扫描得到的最大乘积
就max本身而言，也有正负0三种情况，再考虑根据nums[i]进行分类处理

• 如果nums[i] 为正数
        max为正，则应将nums[i] 累乘到max上
        max为0，则将max置为nums[i]
        max为负，乘上max则恰好得到最小乘积min，此后再次扫描到负数相乘时，又必然得到最大乘积；而当前最大乘积只能在此类似于nums[i]为0的情况进行截断
• 如果nums[i] 为 0， 则发生截断，前后毫不相干，记录max值，并将max置0，最终最大乘积与记录值比较取最大
• 如果nums[i] 为负数
        max为正，乘上max则恰好得到最小乘积min，此后再次扫描到负数相乘时，又必然得到最大乘积；而当前最大乘积应当不变
        max为0，则应使max继续为 0
        max为负，则应将nums[i] 累乘到max上

再仔细研究这个过程，发现每次计算max值忽略了之前的最小乘积也可能变成最大乘积
总结起来，每次的最大乘积应该是在max*nums[i], min*nums[i], nums[i]三个数中取最大
同时三个数的计算过程要求我们需要实时更新min，而min恰好也是在这三个数中取最小
过程中记录max的历史值，实际上也只需要一个值记录，然后每次进行更新即可

此时不难写出实现代码如下

class Solution(object):
    def maxProduct(self, nums):
        cur_max = nums[0]
        cur_min = nums[0]
        fin_max = cur_max

        for x in nums[1:]:
            max_multi_x = cur_max * x
            min_multi_x = cur_min * x
            cur_max = max(max(max_multi_x, min_multi_x), x)
            cur_min = min(min(max_multi_x, min_multi_x), x)
            fin_max = max(cur_max, fin_max)
        return fin_max

时间复杂度分析，仅需一次遍历数组，每个遍历单元只有常数条无嵌套指令，是为O(n)
空间复杂度分析，整个算法只额外使用了五个整形变量，因而是为O(1)