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;
}