152. 乘积最大的子数组
1、题目
给你一个整数数组 nums
,请你找出数组中乘积最大的非空连续子数组(该子数组中至少包含一个数字),并返回该子数组所对应的乘积。
测试用例的答案是一个 32-位 整数。
子数组 是数组的连续子序列。
示例 1:
输入: nums = [2,3,-2,4]
输出: 6
解释: 子数组 [2,3] 有最大乘积 6。
示例 2:
输入: nums = [-2,0,-1] 输出: 0 解释: 结果不能为 2, 因为 [-2,-1] 不是子数组。
提示:
1 <= nums.length <= 2 * 104
-10 <= nums[i] <= 10
nums
的任何前缀或后缀的乘积都 保证 是一个 32-位 整数
- 数组
- 动态规划
2、题目分析
动态规划的解决套路可分为 2 步,①基于问题能定义出状态,②状态间具备动态规划的三个特性
①基于问题定义出状态:(参考该文完成分析:dp–139. 单词拆分 https://blog.csdn.net/fujuacm/article/details/135408092)
②状态间具备动态规划的三个特性(参考该文完成分析:dp–139. 单词拆分 https://blog.csdn.net/fujuacm/article/details/135408092)
- 重复子问题且重复策略
重复子问题: - 最优子结构
重复策略&最优子结构: - 无后效性
更前的状态不影响当前状态:
后面的状态不影响当前状态:
3、解题步骤
dp五部曲
1.定义dp数组以及下标的含义
dp[i][0],表示截止到第i个元素,数组中乘积最大的非空连续子数组
dp[i][1],表示截止到第i个元素,数组中乘积最小的非空连续子数组
2.推导状态转移方程(考虑3个特性:重复子问题、最优子结构、无后效性)
// 当 nums[i] > 0时,当前状态最大值仍然是前一个状态的最大值nums[i]。
// 当前状态最小值也仍然是前一个状态的最小值nums[i]。
dp[i][0] = Math.max(dp[i - 1][0] * nums[i], nums[i]) nums[i] >= 0
dp[i][1] = Math.min(dp[i - 1][1] * nums[i], nums[i]) nums[i] >= 0
// 当 nums[i] < 0时,当前状态最大值反而是前一个状态的最小值nums[i]。
// 当前状态最小值反而是前一个状态的最大值nums[i]。
dp[i][0] = Math.max(dp[i - 1][1] * nums[i], nums[i]) num[i] < 0
dp[i][1] = Math.min(dp[i - 1][0] * nums[i], nums[i]) num[i] < 0
3.初始化dp数组
dp数组,初始化 dp[0][0] = 1、dp[0][1] = 1,表示当数组没有元素时,乘积默认为1,后续状态的乘积不受dp[0]影响。dp其余位置设置为0
4.确定遍历顺序(二维dp可以通过 状态转移方程+4宫格明确i、j遍历顺序)
i从1到n。即从第1个字符推导到最后1个字符
5.举例推导dp数组
4、复杂度最优解代码示例
// 乘积最大的子数组
public int maxProduct(int[] nums) {
int max = nums[0]; // 记录当前最大值
int min = nums[0]; // 记录当前最小值
int res = nums[0]; // 记录最终结果
for (int i = 1; i < nums.length; i++) {
if (nums[i] < 0) { // 如果当前数为负数,交换最大值和最小值
int temp = max;
max = min;
min = temp;
}
max = Math.max(nums[i], max * nums[i]); // 更新最大值
min = Math.min(nums[i], min * nums[i]); // 更新最小值
res = Math.max(res, max); // 更新最终结果
}
return res;
}
5、抽象与扩展
通用动态规划的解法,见标题二