[动态规划+优化] 238. 除自身以外数组的乘积(暴力解 → 动态规划 → 空间优化)
238. 除自身以外数组的乘积
题目链接:https://leetcode-cn.com/problems/product-of-array-except-self/
同 剑指 Offer 66. 构建乘积数组 https://leetcode-cn.com/problems/gou-jian-cheng-ji-shu-zu-lcof/
分类:
- 动态规划:
- 时间优化:对暴力解(思路1)用辅助数组记录中间结果,减少重复计算(思路2);
- 空间优化:存在两个dp数组,其一用输出数组代替 + 其二改为迭代更新变量(思路3)。
题目分析
题目要求每个元素除自身外的其他元素的乘积,且不能使用除法,我们可以先用暴力解法把握整个解题流程,再对暴力解用辅助空间进行时间上的优化,最后再对辅助空间进行优化。
思路1:暴力解 (时间O(N^2),空间O(1))
对于每个元素nums[i],都从头遍历一遍数组,计算除自身外所有元素的乘积。
class Solution {
public int[] productExceptSelf(int[] nums) {
int[] res = new int[nums.length];
for(int i = 0; i < nums.length; i++){
res[i] = 1;
for(int j = 0; j < nums.length; j++){
if(j == i) continue;
res[i] *= nums[j];
}
}
return res;
}
}
- 时间复杂度:O(N^2),用例超时
思路2:左右乘积列表 (双向动态规划,时间O(N),空间O(N))
分析思路1的过程可以发现,在计算除每个元素除自身外的元素乘积时做了很多重复计算:
例如:
计算nums[0]*nums[1]得到nums[2]的左半部分乘积,但在计算nums[3]的左半部分乘积时,需要做nums[0]*nums[1]*nums[2],相当于把nums[0]*nums[1]又重新计算了一遍。
根据这个例子可以发现:在计算nums[0] * nums[1]得到nums[2]的左半部分乘积时,把nums[0] * nums[1]保存起来,之后在计算nums[3]的左半部分时就可以直接利用保存好的值即可,不必再做重复计算。
同理,计算一个元素的右半部分乘积时,也把这部分乘积保存下来,供前一个元素计算有半部分乘积时使用。
状态设置:
根据上面的结论,可以设置两个数组left,right,分别保存元素i的左半部分元素的乘积和右半部分元素的乘积,最后的输出数组res[i] = left[i] * right[i]。
状态转移:
先正向遍历一次nums数组构建left数组,再反向遍历一次nums数组构建right数组:
-
如何构建left数组?left[i]存放的是nums[0~i-1]的元素乘积,正向遍历nums数组:
-
i=0时,没有左边元素,所以直接令left[i]=1,避免干扰后面的计算;
-
i=1时,存在一个左边元素nums[0],所以left[1]=left[0]*nums[0];
-
i=2时,存在两个左边元素nums[0],nums[1],此时left[1]=nums[0],所以left[2]=left[1]*nums[1];
以此类推,可以总结为:
i!=0时,left[i] = left[i-1]*nums[i-1], i==0时,left[0] = 1;
-
-
如何构建right数组?right[i]存放的是nums[i+1~len-1]的元素乘积,反向遍历nums数组:
-
i=len-1时,没有右半元素,所以直接令right[len-1]=1;
-
i=len-2时,存在一个右边元素nums[len-1],所以right[len-2]=right[len-1]*nums[len-1]
以此类推,可以总结为:
i==len-1时,right[len-1]=1; i!=len-1时,right[i] = right[i+1]*nums[i+1];
-
最后从i=0开始构造res:res[i] = left[i] * right[i]。
class Solution {
public int[] productExceptSelf(int[] nums) {
int len = nums.length;
int[] left = new int[len];
//left数组的初始化
left[0] = 1;
int[] right = new int[len];
//right数组的初始化
right[len - 1] = 1;
//正向遍历构造left数组
for(int i = 1; i < len; i++){
left[i] = left[i - 1] * nums[i - 1];
}
//反向遍历构造right数组
for(int i = len - 2; i >= 0; i--){
right[i] = right[i + 1] * nums[i + 1];
}
//计算最终结果
int[] res = new int[len];
for(int i = 0; i < len; i++){
res[i] = left[i] * right[i];
}
return res;
}
}
思路3:思路2的空间优化(时间O(N),空间O(1))
动态规划优化空间的常规思路就是观察状态转移方程,如果第i个状态之和有限个其他状态有关,就可以用变量迭代更新的方式代替dp数组。
观察思路2的两个状态转移方程可以发现,left数组的构建过程中,第 i 个状态只和第 i - 1 个状态有关,可以用一个变量的迭代更新来获取left的所有状态,同理把right数组也用一个变量的迭代更新来优化,但在计算res[i]时需要left[i]和right[i]同时填充完成,而如果left,right变量同步更新,则当left迭代更新到 i 处时,right还没更新到 i 处,如果等待right继续更新直到right[i],也就失去了思路2随存随取的优势,退化为思路1的暴力解法了。
所以不能两个dp数组都缩减为一个变量。
根据题目提示,输出数组不被视为额外空间,所以我们可以把其中一个dp数组存放在输出数组上,然后迭代更新另一个状态变量,就能将空间复杂度缩减为O(1)。
这里我们把left数组存放在输出数组上:
- 首先,做一次正向遍历,把输出数组res当做left数组来使用;
- 然后,再做一次反向遍历,设置一个right迭代更新,初始值right=1,则:
res[i]=res[i] * right;
right *= nums[i];
class Solution {
public int[] productExceptSelf(int[] nums) {
int len = nums.length;
//存放最终结果
int[] res = new int[len];
res[0] = 1;
//正向遍历,res[i]存放的是[0~i-1]的乘积,相当于构建left数组
for(int i = 1; i < len; i++){
res[i] = res[i - 1] * nums[i - 1];
}
//反向遍历,res[i]和[i+1~len-1]的乘积相乘,得到最终的结果
int right = 1;//right数组优化为一个迭代更新的变量,表示[i+1~len-1]的乘积
for(int i = len - 1; i >= 0; i--){
res[i] = res[i] * right;
right *= nums[i];
}
return res;
}
}