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。
示例 1:
输入: [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: [-2,0,-1]
输出: 0
解释: 结果不能为 2, 因为 [-2,-1] 不是子数组。
分析: 动态规划
dp_max[i]:以第 i 个元素的结尾的连续子序列的最大乘积, 如果当前的第 i 个元素为正,可以直接乘,如果为负,就不乘,按照这个想法,最终的结果就是错误的,如 [-2,2,3,-3] 对应 dp = [-2, 2, 6 , -3] 正确结果为 [-2,2,6, -2 * 2 * 3 * -3]。
所以,我们应该考虑当前元素正负的情况,如果当前元素为正,nums[i] 应该 乘上 以 nums[i-1]结尾的尽可能大的正数,如果当前元素为负,nums[i] 应该乘上 以nums[i-1] 结尾的尽可能小的负数,这样才能更大的数。
于是,我们再维护一个 dp_min[i] ,以 nums[i] 结尾的连续子序列的最小乘积。
dp_max[i] = max(dp_max[i-1] * nums[i] ,dp_min[i-1] * nums[i-1] , nums[i])
dp_min[i] = min(dp_max[i-1] * nums[i],dp_min[i-1] * nums[i-1],nums[i])
base case :
dp_max[0] = nums[0]
dp_min[0] = nums[0]
最终结果:max(dp_max)
同理,我们求连续子序列的最小乘积也要维护 dp_max,dp_min 数组,最后只要求 min(dp_min)即可。
def maxProduct( nums):
"""
:type nums: List[int]
:rtype: int
"""
n = len(nums)
if n == 1 :
return nums[0]
dp_max = [0] * n
dp_min = [float('inf')] * n
dp_max[0] = max([0,nums[0]])
dp_min[0] = nums[0]
for i in range(1,n):
dp_max[i] = max([dp_max[i-1] * nums[i],dp_min[i-1] * nums[i],nums[i]] )
dp_min[i] = min([dp_max[i-1] * nums[i] ,dp_min[i-1] * nums[i],nums[i]])
print(dp_min)
return max(dp_max)
优化空间:
由于第 i 个状态只和第 i - 1 个状态相关,根据「滚动数组」思想,我们可以只用两个变量来维护 i - 1 时刻的状态,一个维护 dp_max , 一个维护dp_min.
空间复杂度: O(1)
def maxProduct( nums):
"""
:type nums: List[int]
:rtype: int
"""
n = len(nums)
if n == 1 :
return nums[0]
max_f = nums[0]
min_f = nums[0]
ans = nums[0]
for i in range(1,n):
imax = max_f
imin = min_f
max_f = max([imax* nums[i],imin * nums[i],nums[i]] )
print(max_f)
min_f = min([imax * nums[i] ,imin * nums[i],nums[i]])
ans = max(max_f,ans)
return ans