子数组的最大乘积
给定一个长度为N的整数数组, 只允许用乘法, 不能用除法, 计算任意 (N-1)
个数的组合乘积中最大的一组,并写出算法的时间复杂度。
我们把所有可能的(N-1)个数的组合找出来,分别计算它们的乘积,并比
较大小。由于总共有N个(N-1)个数的组合,总的时间复杂度为 O(N2
),但
显然这不是最好的解法。
分析与解法
【解法一】
在计算机科学中,时间和空间往往是一对矛盾体,不过,这里有一个优化的
折中方法。可以通过“空间换时间”或“时间换空间”的策略来达到优化某一方面的
效果。在这里,是否可以通过“空间换时间”来降低时间复杂度呢?
计算(N-1)个数的组合乘积,假设第i 个(0≤i≤N-1)元素被排除在乘积之
外(如图 2-13 所示)。
图2-13 组合示意图
设array[]为初始数组,s[i]表示数组前i个元素的乘积 ,其中1≤
i≤N,s[0] = 1(边界条件),那么s[i]= s[i-1]×array[i-1],其中 i = 1, 2, …, N-1, N;
设 t[i]表示数组后(N-i)个元素的乘积 ,其中 1≤i≤N,t[N+1]=1
(边界条件),那么t[i]=t[i+1]×array[i],其中 i=1, 2, …, N-1, N;
那么设p[i]为数组除第 i 个元素外,其他 N-1 个元素的乘积,即有:
p[i]=s[i-1]×t[i+1]。
由于只需要从头至尾,和从尾至头扫描数组两次即可得到数组 s[]和 t[],进
而线性时间可以得到 p[]。所以,很容易就可以得到 p[]的最大值(只需遍历 p[]
一次)。总的时间复杂度等于计算数组 s[]、t[]、p[]的时间复杂度加上查找 p[]
最大值的时间复杂度等于 O(N)。
【解法二】
其实,还可以通过分析,进一步减少解答问题的计算量。假设 N 个整数的
乘积为 P,针对 P 的正负性进行如下分析(其中,AN-1 表示 N-1 个数的组合,PN-1
表示 N-1 个数的组合的乘积):
1. P为0
那么,数组中至少包含有一个0。假设除去一个0之外,其他N-1个数的乘
积为Q,根据Q的正负性进行讨论:
Q为0
说明数组中至少有两个0,那么N-1个数的乘积只能为0,返回0;
Q为正数
返回Q,因为如果以0替换此时AN-1中的任一个数,所得到的PN-1为0,必然
小于Q;
Q为负数
如果以0替换此时AN-1中的任一个数,所得到的PN-1为0,大于Q,乘积最大
值为0。
2. P为负数
根据“负负得正”的乘法性质,自然想到从N个整数中去掉一个负数,使得
PN-1为一个正数。而要使这个正数最大,这个被去掉的负数的绝对值必须
是数组中最小的。我们只需要扫描一遍数组,把绝对值最小的负数给去掉
就可以了。
3. P为正数
类似P为负数的情况,应该去掉一个绝对值最小的正数值,这样得到的PN-1
就是最大的。
上面的解法采用了直接求 N个整数的乘积P,进而判断 P的正负性的办法,
但是直接求乘积在编译环境下往往会有溢出的危险 (这也就是本题要求不使用除
法的潜在用意☺),事实上可做一个小的转变,不需要直接求乘积,而是求出数
组中正数(+)、负数(-)和 0 的个数,从而判断 P 的正负性,其余部分与以
上面的解法相同。
在时间复杂度方面,由于只需要遍历数组一次,在遍历数组的同时就可得
到数组中正数(+)、负数(-)和 0 的个数,以及数组中绝对值最小的正数和
负数,时间复杂度为 O(N)。