152.乘积最大子序列

最新推荐文章于 2022-06-06 21:19:58 发布

洋气的网名

最新推荐文章于 2022-06-06 21:19:58 发布

阅读量101

点赞数

分类专栏： Leetcode # DP

本文链接：https://blog.csdn.net/qq_28066793/article/details/92852971

版权

Leetcode 同时被 2 个专栏收录

13 篇文章 0 订阅

订阅专栏

1 篇文章 0 订阅

订阅专栏

本文介绍如何解决寻找给定整数数组中乘积最大子序列的问题。通过分析，提出暴力递归和动态规划两种方法。动态规划方案中，定义了两个维度的状态DP[i][0]和DP[i][1]分别表示到第i个元素为止的最大正数乘积和最大负数乘积，根据数组元素正负调整状态转移方程，最终取DP[i][0]中的最大值作为答案。

摘要由CSDN通过智能技术生成

给定一个整数数组 nums ，找出一个序列中乘积最大的连续子序列（该序列至少包含一个数）。

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

如果要求不连续，把所有大于 0 的数字拿出来乘积
但是这里需要连续的

方法

1.暴力求解递归
2.DP

DP 状态定义：DP[i] 从最开始下表为0的位置一直到i元素位置的product subarray的最大值

还要求DP[n-1],DP[n-2]…DP[0]

状态转移方程：DP[i+1]=DP[i] *a[i+1]
a[i+1]为正数则正确，a[i+1]为负值的时候则会出现负值

所以 a[i+1]为正数 maxDP[i]
a[i+1]为负数数 minDP[i]
所以在DP定义的时候需要两维度另加一维度区分最大0最小1

新的状态转移方程为：

正的最大值DP[i,0]=

		 if a[i]>=0:
			DP[i-1,0]*a[i]
		 else:
			DP[i-1,1]*a[i]

负的最大值DP[i,1]=

		if a[i]>=0:
			DP[i-1,1]*a[i]
		else:
			DP[i-1,0]*a[i]

最后的值在DP[i,0] 求其中的max

代码实现

class Solution:
    def maxProduct(self, nums: List[int]) -> int:
        if nums is None:return 0
        
        dp = [[0 for _ in range(2)] for _ in range(2)]
        
        dp[0][1],dp[0][0],res = nums[0],nums[0],nums[0]
        
        for i in range(1,len(nums)):
            x,y = i % 2,(i-1) % 2 #滚动数组节省空间
            dp[x][0] = max(dp[y][0]*nums[i],dp[y][1]*nums[i],nums[i])
            dp[x][1] = min(dp[y][0]*nums[i],dp[y][1]*nums[i],nums[i])
            res = max(res,dp[x][0])
        
    	return res