2022.11.28乘积最大子数组

最新推荐文章于 2024-10-01 23:05:47 发布

不落.

最新推荐文章于 2024-10-01 23:05:47 发布

阅读量70

点赞数

分类专栏：力扣编程题研究文章标签：算法数据结构

本文链接：https://blog.csdn.net/liudehuatw/article/details/128077130

版权

力扣编程题研究专栏收录该内容

38 篇文章 0 订阅

订阅专栏

本文详细解析了LeetCode题152乘积最大子数组的动态规划解法，通过对比双重循环和动态规划的思路，重点展示了如何利用状态转移方程找到非空连续子数组的最大乘积。代码实例演示了两种方法的实现，并强调了动态规划在解决此类问题时的优势。

摘要由CSDN通过智能技术生成

TRANCE

1 力扣题152:乘积最大子数组

1 力扣题152:乘积最大子数组

1.1 题目描述

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。

1.2 思路分析

1.2.1 双重循环

可以直接双重循环，但是存在很多冗余信息

1.2.2 动态规划

存在最优子结构，找出状态转移方程 maxF[i] = Math.max(maxF[i - 1] * nums[i],
Math.max(nums[i], minF[i - 1] * nums[i])); minF[i] = Math.min(minF[i -
1] * nums[i], Math.min(nums[i], maxF[i - 1] * nums[i]));

1.3 代码实现

1.3.1 双重循环

   public int maxProduct(int[] nums) {
        int result = Integer.MIN_VALUE;
        for (int i=0; i<nums.length; i++) {
            int tmp_max = nums[i];
            int pivot = nums[i];
            for (int j=i+1; j<nums.length; j++) {
                pivot *= nums[j];
                tmp_max = Math.max(pivot,tmp_max);
            }
            result = Math.max(tmp_max,result);
        }
        return result;            
    }

1.3.2 动态规划

public int maxProduct(int[] nums) {
        int length = nums.length;
        int[] maxF = new int[length];
        int[] minF = new int[length];
        maxF[0] = nums[0];
        minF[0] = nums[0];
        for (int i = 1; i < length; ++i) {
            maxF[i] = Math.max(maxF[i - 1] * nums[i], Math.max(nums[i], minF[i - 1] * nums[i]));
            minF[i] = Math.min(minF[i - 1] * nums[i], Math.min(nums[i], maxF[i - 1] * nums[i]));
        }
        int ans = maxF[0];
        for (int i = 1; i < length; ++i) {
            ans = Math.max(ans, maxF[i]);
        }
        return ans;
    }