Leetcode Two Maximum Subarray Questions

Leetcode 53. Maximum Subarray

题目：

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

For example, given the array [-2,1,-3,4,-1,2,1,-5,4],
the contiguous subarray [4,-1,2,1] has the largest sum = 6.

分析：

题目要求在数组中找到一个连续的子数组，这个子数组的和最大。
第一个想法是，通过一个result数组来记录直到第i个元素且i必选的最大子数组的和，可以很容易写出状态转移方程如下：

if (result[i - 1] < 0) {
    result.push_back(nums[i]);
} else {
    result.push_back(result[i - 1] + nums[i]);
}

此时，可以看到，空间复杂度是O(n)，时间复杂度也是O(n)。
考虑另外一种思路，Kadane’s algorithm，可以只需要O(1)的空间复杂度和O(n)的时间复杂度。
Kadane’s algorithm的思路就是：
对于当前遍历到的元素，这个元素可以加入到当前的连续子数组，作为最后一个元素，或者，舍弃之前的连续子数组，将当前元素作为新的子数组的第一个元素。
可以写出状态转移方程如下：

max_ending_here = max(nums[i], nums[i] + max_ending_here);

代码：

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int max_so_far = nums[0], max_ending_here = nums[0];
        for (int i = 1; i < nums.size(); i++) {
            max_ending_here = max(nums[i], nums[i] + max_ending_here);
            max_so_far = max(max_so_far, max_ending_here);
        }
        return max_so_far;
    }
};

运行结果：

Leetcode 152. Maximum Product Subarray

题目：

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.

分析：

这道题目是寻找数组中的一个连续子数组，使得这个连续子数组的乘积最大。
乍一看这道题目跟上面求子数组的最大和的题目没什么不同，甚至好像可以直接复用上面的代码。
但是，经过这样的尝试后，发现，并不可以！！！
因为乘法的性质，负负得正，而对于负数，在我们不能知道下一个数时，往往就将负数丢弃了。
经过上面的Kadane’s algorithm的方法的启发，我们可以通过记录直到当前位置的两个数，来获得最大的乘积，首先是需要保存是直到当前（包括当前元素）的最大乘积，以及直到当前（包括当前元素）的最小乘积。因为即使是乘法有负负得正的性质，要想获得最大的乘积，那么负数的数值也需要是最小的。因此可以通过保存最小的乘积来保存。
这样的算法，时间复杂度是O(n)，空间复杂度是O(1)。

代码：

class Solution {
public:
    int maxProduct(vector<int>& nums) {
        int max_so_far = nums[0], max_ending_here = nums[0];
        int min_ending_here = nums[0];
        for (int i = 1; i < nums.size(); i++) {
          int temp1 = max_ending_here, temp2 = min_ending_here;
          max_ending_here = max(nums[i], min_ending_here * nums[i]);
          max_ending_here = max(temp1 * nums[i], max_ending_here);
          min_ending_here = min(temp1 * nums[i], nums[i]);
          min_ending_here = min(temp2 * nums[i], min_ending_here);
          max_so_far = max(max_ending_here, max_so_far);
        }
        return max_so_far;
    }
};

运行结果：