leetcode - 53. 最大子序和 152. 乘积最大子序列 - 两个算法之间的联系和区别

这两道算法题的解题思路是差不多的，但是从整体上分析，乘积最大子序列之和是最大子序和的进阶。先来看看两道算法题的简单描述。

53.最大子序和
给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。

简单分析：



作者：liweiwei1419
链接：https://leetcode-cn.com/problems/maximum-subarray/solution/dong-tai-gui-hua-fen-zhi-fa-python-dai-ma-java-dai/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
——————————————————————————————————————————
53.最大子序和的代码：
个人觉得，在动态规划问题中，定义好状态和状态转移方程是最难了。找到了合适的状态转移方程，写代码就比较简单了。对于该题，最巧妙的就是dp[i]表示的是以nums[i]结尾的最大连续子数组之和，而不是表示nums[0]到nums[i]的最大子序列之和。后者设定的状态很难找到状态转移方程，而前者的状态可以很轻松找到状态转移方程。具体的C++代码如下：

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int length = nums.size();
        vector<int> dp(length,0);
        dp[0] = nums[0];
        int num = dp[0];
        for(int i=1;i<length;i++)
        {
            if(dp[i-1]>=0) //如果dp[i-1]大于零，则无论当前nums[i]的值大于零还是小于零，都可以直接加上，因为一个数加上一个正数，肯定是大于这个数的
                dp[i] = dp[i-1] + nums[i];
            else
                dp[i] = nums[i];  //如果dp[i-1]小于零，则另起炉灶，因为一个数加上一个负数，无论如何都是小于这个数的
            num = max(num,dp[i]);
        }
        return num;
    }
};

——————————————————————————————————————————
152. 乘积最大子序列
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）。

解题思路
这道题的解题方法和前面那道题是一样的。但是为什么是进阶呢？进阶的地方就在于不是加法而是乘法。考虑一下，在加法中，一个数（不管是正负），加上一个正数，其值必定比原来大。当加上一个负数时，其值必定比原来的小。

但是在乘法运算中，一个正数，乘于一个正数（正整数，大于等于）时，其值至少大于等于原来的值。一个负数，乘于一个正数时，其值却比原来的更小，这个地方，就是乘法和加法的区别。在加法中，一个负数加上一个正数，其值必定大于原来的值。同理，一个负数乘于一个负数，最后的结果是一个正数，这也是和加法是有区别的。这就是需要考虑的地方，需要分类讨论。当nums[i]的值和dp[i-1]的值的正负关系不同的时候，状态转移方程怎么写。

其C++代码如下：

class Solution {
public:
    int maxProduct(vector<int>& nums) {
        int length = nums.size();
        vector<int> maxl(length,0); //用于存储nums[i]结尾的当前最大值
        vector<int> minl(length,0); //用于存储nums[i]结尾的当前最小值
        maxl[0] = nums[0]; //初始化为nums[0];
        minl[0] = nums[0]; //初始化为nums[0]；
        int num = nums[0]; //最后返回的乘积最大子序列的值
        for(int i=1;i<length;i++)
        {
            if(nums[i]>0)  //当nums[i]大于零时，不论前面的dp[i-1]大于零还是小于零，大于零的必定更大，小于零的必定更小
            {
                maxl[i] = max(nums[i],nums[i]*maxl[i-1]);
                minl[i] = min(nums[i],nums[i]*minl[i-1]);
            }
            else if(nums[i]<0)  //当nums[i]小于零时，dp[i-1]小于零时变为大于零，dp[i-1]大于零时变为小于零
            {
                maxl[i] = max(nums[i],nums[i]*minl[i-1]);
                minl[i] = min(nums[i],nums[i]*maxl[i-1]);
            }
            else  //当nums[i]的值为零时，最大和最小值都是0
            {
                manl[i] = 0;
                minl[i] = 0;
            }
            num = max(num,maxl[i]);  //存储当前的最大序列乘积值
        }
        return num;
    }
};