【动态规划】子数组类型问题 乘积为正数的最长子数组长度

题目连接：https://leetcode.cn/problems/maximum-length-of-subarray-with-positive-product/description/

---

一.题目介绍

---

  二.题目分析

        此题的大致思路与"乘积最大子数组"一致，不同的是对于nums[i] < 0时的状态方程分析，因为所求是乘积为正数时最长子数组的长度，所以不能用"乘积最大子数组"的方法在循环中统一填表，而是在nums[i] > 0 或 nums[i] < 0下分类讨论，在不同的条件下进行填表；并且nums[i] < 0的条件下0 ~ i-1的乘积恰好为负，计算下来0 ~ i的长度就是最长长度，所以不难发现还需要建立一个dp表记录 乘积为负数最长子数组的长度来辅助。

---

三.状态分析

         这里注意题目中的要求，出现nums[i] == 0的情况中乘积为0不为正数，所以遇到nums[i] == 0时f[i]表和g[i]表要置0，又因为创建dp表时使用vector容器，保证了初始化后的空间默认置0，所以当出现nums[i] == 0的情况时我们不做分支处理，dp表对应位置就已经置0了。

---

四.完整代码

// 子数组模型 + 双dp表模型，在分析状态方程时时刻注意正负
    int getMaxLen(vector<int>& nums) 
    {
        int n = nums.size(), res = 0;
        vector<int> f(n+1), g(n+1);
        for(int i = 1; i < n+1; i++)
        {
            if(nums[i-1] > 0)
            {
                f[i] = f[i-1] + 1;
                if(g[i-1] == 0)
                    g[i] = 0;
                else
                    g[i] = g[i-1] + 1;
            }
            else if(nums[i-1] < 0)
            {
                // 这里如何用g[i]做判断是关键
                g[i] = f[i-1] + 1;
                if(g[i-1] == 0)
                    f[i] = 0;
                else
                    f[i] = g[i-1] + 1;
            }

            res = max(res, f[i]);
        } 
        return res;
    }