子数组的最大乘积

 

 

 

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）。